中美 AI 生态对照

本库核心主题：中美 KOL 对两国 AI 生态、路线与竞争的看法。

美方视角

Jensen Huang（NVIDIA，2026-03）

• 事实判断："全球 50% 的 AI 研究者是华人，多数仍在中国。"
• 中国科技生态的结构性优势：科技产业诞生于软件时代（数理教育好 + 与现代软件天然契合）；省市间竞争制造"内卷"筛选（所以 EV/AI 公司极多）；开源是社会文化的自然产物——"家人第一、朋友第二、公司第三"，同学网络让技术藏不住，不如开源换生态加速。
• 结论级评价："当今世界创新最快的国家""builder nation"；"我们的领导人多是律师，他们的多是工程师。" （Lex #494 01:01:57–01:05:59）

Karpathy 视角中的中国（2025-02）

• DeepSeek R1 是首个公开系统阐述 RL 推理训练的工作，"重新点燃了公众对 RL 的兴趣"；R1 开源权重（MIT）"史无前例地强"；他提醒对 chat.deepseek.com 的数据敏感性，但强调模型本身可由任何人托管（together.ai 等）。（Deep Dive into LLMs 02:28:55–02:36:57、03:15:30）

Raschka & Lambert（美，ML 研究者/教育者，2026-01）

两位西方研究者对中国 AI 生态的盘点。来源：Lex #490 State of AI 2026 - 无 winner-take-all：没有哪家有别人拿不到的技术，研究者高度流动，差异化在预算/硬件——与姚顺宇"纸面趋同"直接呼应（00:02:01–00:05:04）。 - DeepSeek 时刻的余波：DeepSeek 之于中国 ≈ ChatGPT 之于美国，如今被 Z.ai(GLM)、MiniMax、Kimi(Moonshot)、Qwen 赶上甚至阶段性反超；MiniMax、Z.ai 已递交 IPO（00:05:04–00:08:10）。 - 中国持续开源的机制：美国大厂因安全顾虑不付费调用中国 API，开源遂成为切入美国 AI 开支市场的手段；许可证比 Llama/Gemma 更宽松（00:06:04–00:07:07、00:34:54–00:36:57）。 - 美方模型当前更好、大家在付费：中国模型受出口管制、每副本用更少 GPU → 更慢、错误模式不同（00:19:28–00:21:30）。 - 完全开放（data+code）阵营几乎只在西方（OLMo/LLM360/Apertus/SmolLM/Nemotron，"中国没有对应物"）；反过来中国开源偏超大 MoE、峰值性能更高（00:28:43–00:31:48）。 - Meta/Llama 内爆：为上 benchmark 过拟合、又不做人们能跑的小模型、叠加内部政治（Mark 挺开源 vs Alexandr Wang 偏闭源）——"不会再有开源的 Llama 5"（03:43:32–03:46:39）。

中方一线视角：姚顺宇（Google DeepMind，前 Anthropic，2026-05）

来源：张小珺访谈。这是一位在美前沿实验室训模型的中国研究员的第一手对照。

模型能力差距

• 快照（2026 Q1）：过去一年半中美 gap 明显缩小，但会不会完全弥合甚至反超"是一个不清楚的问题"（00:53:01–00:54:04）。
• 中国模型（GLM/字节/DeepSeek/Kimi）"发得快，也说明这道题对所有人都变简单了、knowhow 已无秘密"（03:06:49–03:08:50）。

算力劣势与"蒸馏"

• 中国在实际算力资源上占很大劣势，但"逼出了有趣的事"——对蒸馏很在行。两种：硬蒸（直接取 Claude 的 token 强行训练，"商业上不道德、智力上愚蠢"，说明这家公司自己都不知道要干嘛）vs 软蒸（用别家模型做生成链条的辅助/评价者，商业灰色但技术有趣）（00:54:04–00:57:05）。
• 犀利推论：因为不同家模型分布不同，用软蒸把它们融进一个训练系统，中国实验室可能成了"真正 Multi-Agent 训练的先驱"（00:56:04–00:57:05）。呼应 Dario 公开点名 3 家蒸馏 Anthropic。

字节 / 豆包 / 多模态

• 字节蒸馏少、模型有特点：豆包语音生成"是全世界最好的之一，不客气说就是最好"、生成快、不强推思维链——差异源于用户群体（美国专注工作效率，中国重日常）（00:57:05–01:03:10）。
• 字节多模态生成（Seedance）优势"猜是数据占大头"、非范式变化；评价吴永辉"层级高、senior 却技术很强，非常少见"（00:49:54–00:53:01）。

机器人（硬件强、软件未成熟）

• 人形机器人硬件成熟且便宜得惊讶（体现中国供应链优势），但软件/模型"还在 feature engineering 时代"、没泛化性、"还没到 GPT-1 时刻"（01:03:10–01:08:13）。

C 端 vs enterprise（结构性差异）

• 中国强 C 端：能想出"很间接、很不自然却能滚起利润"的复杂产品（抖音免费看视频 + 广告 + 直播 + 电商）；美国强直接的效率软件/enterprise（写码成本 150 卖 200，直接挣 50）（03:24:04–03:27:05）。
• 2026 国内看重 super app / C 端叙事，硅谷不讲（美国 enterprise 市场大、利润高，C 端"没油水"）——"中美趋势已分化"。字节被严重低估，美国没公司能在 C 端与字节竞争，Meta 从字节挖人但"学不来"（03:13:56–03:14:56、03:24:04–03:28:05）。
• 人才：认为中国 AI 纯技术尚未真正追上美国，但产品人才"本质上比美国要更好"（Meta 收 Manus 的最大用处是拿到亚洲产品团队锚点）（00:20:26–00:21:26）。

组织文化

• 见 AI 实验室文化与组织：Anthropic 的 top-down 与 Google 的 bottom-up 被姚归为"startup vs 大公司"两套打法，各自成立；国内实验室的组织文化尚待中方长视频补充。

中方产业操盘手视角：何小鹏（小鹏集团，2026-05）

来源：张小珺访谈。区别于姚顺宇（在美实验室研究员），这是中国本土产业一线操盘手的对照视角，部分填补了"待补充：中国 KOL 的主动论述"的缺口。

• 物理 AI vs 数字 AI：认为美方（及国内多数）讨论都在数字世界谈 AI，而物理 AI"难 100 倍"、方法论无法照搬——这是对本库整体偏数字 AI 的一次结构性提醒。详见 物理 AI 与机器人。
• 中国机器人硬件/供应链优势：80% 硬件自研（手/芯片/关节），判断 2027 年或为高等级机器人商业量产元年——与姚顺宇"硬件成熟便宜"相互印证。
• 对中美模型的实用主义：用 Claude Code（"非常好"），做了 Hub 可随时切到 DeepSeek V4（"若某些方面也很好且成本很棒"）——中方操盘手不站队、按性价比切换，侧面印证 Raschka & Lambert / 姚顺宇的"模型无 winner-take-all"。
• 对 Waymo 的评价："既好又不好"——技术不错但难全球化，L4 天然是"更高级的缝合怪"、难做到极强泛化。

中方产业操盘手视角：阳萌（安克创新，2026-06）

来源：张小珺访谈。与姚顺宇（软件/模型在美视角）、何小鹏（汽车/机器人）共同构成中方视角三角。

• 中国消费电子的全球路径（[02:26:45]）："在深圳做全球化品牌"——安克15年从亚马逊长出来、20年后才做中国。"不是躲卷，是中国消费升级到17-18年才开始，之前五系产品在中国没市场。"补充了何小鹏聚焦BOM/供应链之外的品牌全球化维度。
• 存算一体芯片：中国企业在边缘AI芯片上的差异化路线（[01:03:43]）：不走NVIDIA的GPU路线而是从冯诺依曼→存算一体，"市面上第一颗这个领域的芯片"。这是继姚顺宇"TPU vs GPU"、Raschka & Lambert"中国export管制→受限但开源反制"之后，中方企业主动定义芯片架构路线的案例。
• 三层模型分区的硬件哲学（[01:18:53]）："万亿参数学在云端、十亿百亿跑在端侧、百万千万嵌在感知器官"——为"中国端侧AI优势"提供了产业落地路径，不同于美方"全上云"或"全走端"的单一路线。
• "大new人/小new人"的AI组织观（[02:44:54]）：中国企业在AI组织转型上的主动实践——"全员token无限"（日均人均2500万token）、AI中台、预编排智能体。与美方讨论AI对组织的影响（Raschka & Lambert更多关注培训/job displacement）构成东西方不同组织文化的对照。

太空竞赛视角（Lewis Hong，前SpaceX，2026-06）

来源：张小珺访谈

• 马斯克原话："我们的竞争对手是我们自己的进展速度。但是，我们密切关注中国航天的发展。"（[02:22:36]）——被Lewis在节目中直接引述。
• 中美太空竞争（[02:23:39]）：Lewis判断太空未来最大两个参与者必然是中美。中国举国之力+国家队，SpaceX代表美国民企突破旧势力（波音/ULA/Cost-Plus体系）压制。
• SpaceX mafia：马斯克生态培养出的一批美国年轻硬科技创业者（太空/能源/芯片/制造），是美国"在中国工业优势面前如何竞争"的新答案——"不是把中国工厂搬来，而是在美国从零到一做出全球最先进的硬件"（[02:42:59]）。
• 与主题关联：太空是AI基础设施的新维度（见AI基础设施）——SpaceX+xAI的太空数据中心路径，可能成为中美算力竞赛的新变量。

中方 Infra 一线视角：朱邦华 & 江鋆晨（月球大叔，2026-05/06）

来源：朱邦华访谈、江鋆晨访谈

• 模型差距（朱邦华，作为一线支持方）：中国开源 vs 美国闭源 ≈ 6 个月；美国开源 vs 美国闭源 ≈ 1 年（00:23:24）。这为姚顺宇"gap 明显缩小"补上了更细的量化拆分。
• 差距来源分中美：国内 infra 其实很 solid，数据受限，且对复杂 RL environment 的投入不如美国，故在 agentic RL infra 上稍落后（00:24:25）。这是一个比"算力劣势"更具体的、可改进的短板。
• 中美工程师风格：国内同学 infra 水平高、写 code 快且 reliable、"从 0 到 100 做到 perfect"强；美国更擅长"从 0 到 1、天马行空的 crazy idea"（00:21:21–00:22:22）。与姚顺宇"中国强 C 端产品化、美国强 enterprise"是同一结构在工程层的映射。
• 一支新力量：中国背景学者以开源研究组挑战工业界 AI Infra——朱邦华（SGLang/Miles）、江鋆晨（LMCache/TensorMesh），以及 SGLang 原班（盛影、郑联敏）。他们的融资方横跨中美（DeepSeek、Thinking Machines、NVIDIA、AMD、阿里/腾讯/字节），是"中美 AI 生态在 infra 层高度交织"的例证——技术/开源/资本并不按国界切分。
• 江鋆晨补充一个去 winner-take-all 的类比：即便 OpenAI/Anthropic 大到像 YouTube/Netflix，仍会有很多 AI 提供商（如 HBO 只服务自己用户），与姚顺宇"无 winner-take-all"、朱邦华"希望百花齐放"一致。

中方 research lead 一手视角：罗福莉（小米 MemoVR，前 DeepSeek，2026-04）

来源：罗福莉访谈

• 代差量化：国内已有好几家 1T 基座（Kimi、Memo 等），若反应速度够快，距 Cloud Opus 4.6 只有 2–3 个月代差，且能追上"当代"的 Claude（而非追上 2–3 个月后的 Claude）（02:28:18–02:29:18）。与朱邦华"开源 vs 闭源 ~6 个月"从不同口径互相印证。
• 中国在预训练结构上有优势：她甚至反思"很长时间我们误以为 Claude 做那么多 context engineering 是模型结构不先进、为省成本妥协，现在回头看是想得太局限了"（03:06:41）。合起来（前沿研究 + 模型 + 框架 + 芯片 + 能源）"非常可能领先"（02:37:31）。
• DeepSeek 开源双雄的一手复盘：梁文锋旗下 Qwen（纯 scaling、全尺寸、生态价值）vs DeepSeek（创新 + scaling，MoE/MLA 降成本、研究价值）"彼此成就"；R1 诞生很偶然、本质是预训练→后训练时的团队重组问题（02:50:35–02:57:39）。为姚顺宇的中方叙事补上 DeepSeek 内部的组织细节。
• 坦诚的信息局限："坦白讲我不太了解美国、信息来源主要靠自我迭代"（03:22:55）——一个提醒：中方一线判断"中国可能领先"时，往往并非基于对美方的对称了解。

中方投资视角看硅谷全景：广密（全球大模型季报，2026-04）

来源：广密·全球大模型季报第 9 集

• 国内玉三家都在 bet Anthropic 路线（高价值任务）——Kimi、Minimax、智谱；豆包在 C 端做得最好，其余是"觉得跟豆包没得打才转型"。这一共识过去 3–6 个月才形成（01:03:50–01:04:51）。
• 中国强产品创新、硅谷强模型/底层创新："中国团队的产品创新力都比 META 强"（00:55:45）——与姚顺宇、阳萌一致，并把 META 明确列为"产品创新不及中国团队"的反例。
• 机器人是中国团队更有优势的下一平台：未来 6–18 个月或质变，硅谷公司也开始"到深圳招人"、重视硬件（01:18:14–01:19:14）。

美方一线反向确认中国硬件统治力：柯丽一鸣（PI，2026-07）

来源：Kay Ke 访谈

难得的美方研究一线主动确认中国优势（此前多是中方自述硬件强）：

• 中国机器人硬件/供应链是"最直观的统治力"："很难想象一台机器人组装好后没有一个零件是中国的""制造业优势太大，美国人要追不知道该怎么追"；宇树春晚在 PI 公司群/读书会被热议（03:15:01–03:21:05）。这从美方角度印证了何小鹏/阳萌的自述，形成双向确认。
• 但美国大脑/研究领先且论文开放：中国团队可 follow PI 的公开论文（Google/Tesla 不一定开放），但"随公司积累，就算告诉你怎么做也未必 match 得上"（03:20:05）。
• 研究 vs 落地的取向差异：PI 纯研究、刻意不碰商业化（受 Pieter Abbeel 的 Covariant 过早商业化"分心"教训影响），而"中国公司更强调实用主义/商业回本"（03:16:02–03:18:04）——这一"美国重本源研究、中国重商业闭环"的分野，与姚顺宇"中国强 C 端、美国强 enterprise"、以及本页整体基调一致。
• 硬件劣势 vs 软件劣势哪个更好抹平："过去几年看都好抹平，大家永远在卷"；美国硬件只能寄希望于创新（如出一个恰好适配当前算法的简单硬件）（03:09:55、03:19:04）。
• 美国硬件产业链缺失的结构性根因：教育体系里制造业专业不火→缺人才→"不是一两年能补回去的"，只能指望移民（Tesla"最火的工厂在上海"）（03:22:05–03:23:05）。

美方半导体/芯片供给侧视角（Lip-Bu Tan / Andrew Feldman，2026-05/06）

来源：Intel 访谈、Cerebras 访谈

• Lip-Bu Tan（Intel）：反复强调本土供应链韧性——"不能只依赖一两个地理玩家"、"making in United States is critical"；把美国政府成大股东类比 TSMC 起步有台湾政府持股（"这是政府该提供的基础设施"）。这是美方产业政策对中国制造优势的正面回应，与阳萌/何小鹏的中方硬件叙事构成产业政策对照。
• Andrew Feldman（Cerebras）：从竞争侧承认中国模型的推动作用——"中国开源模型的技巧让我们不能躺在更大训练集群上"、开源生态倒逼闭源保持活力；其芯片"跨美国模型/中国模型全线更快"（Cerebras 00:26:11–00:27:13、00:02:00）。呼应 Raschka & Lambert"中国模型技巧倒逼前沿"。

中方多模态 serving 基建与国产芯片适配（vLLM Omni 团队，2026-05）

来源：月球大叔访谈

• 补上"国产芯片主动论述"的一手素材：vLLM Omni 用 hardware plugin 系统适配华为昇腾 MPU、百度昆仑，新硬件接入不改核心 AR/Diffusion 逻辑——是"国产硬件生态靠开源软件框架抹平"的具体做法，直接回应本页此前"待补充：国产芯片主动论述"的缺口（00:24:27–00:25:30）。
• 与 SGLang（朱邦华）、LMCache（江鋆晨） 一脉：中国背景团队以开源研究组在多模态 serving 这个"美国也没完全 figure out"的方向抢先卡位（30+ 模型、Qwen-Omni/混元/美团/小米等国产模型 day-0 支持）；缘起恰是 Qwen 团队给 vLLM 主库的 PR 过于侵入而另立项目——中方模型迭代直接驱动了 serving 基建的独立演化。

生物技术：美国输在监管而非创新（Lila Sciences，2026-07）

来源：Lila 访谈

• "美国生物技术输给中国生物技术不是创新问题，是监管框架"（发现已非约束、临床/审批才是）——这是本库首次从美方 AI-for-science 一线给出的中美生物技术对照，把竞争焦点从"谁的模型强"移到"谁的监管让成果更快到病人手里"（00:53:49–00:54:50）。材料创新则很大程度由政府/国家安全驱动（Lila 与英美政府有合作），呼应 Lip-Bu Tan 的产业政策叙事。

开源今年"闭合 gap"、中国模型进入美方生产栈（Andrew Feldman / Cerebras，2026-07）

来源：开源赢麻、AGI 已至 - Jason 从 openclaw 转 Kimi 后"分不出差别"、smart routing 后开源也会 reasoning 了——开源与前沿的差距今年闭合（"不会开法拉利去买菜"，难题用前沿、日常用开源）（00:16:09–00:17:09）。这把姚顺宇"纸面趋同"、Raschka & Lambert"开源是切入市场的手段"从美方产业侧再确认一次。 - Cerebras 实际在生产环境跑 GLM/Kimi/Qwen（+ 闭源 + 主权自研模型）；Feldman 的焦虑不是"中国模型强"，而是"美国缺本土开源模型"（现只有 OSS 12B 或中国模型可选），呼吁给世界一个非中国的开源选择（00:18:11–00:20:12）。中国开源已成美方推理栈的默认组件——这比"承认中国实力"更进一步，是用脚投票。 - "若中国先有 Mythos 级/前沿模型"成为攻防节奏的时间变量：Feldman 支持分阶段发布（政府红队、给 NSA 补洞窗口），Onyx 的 Maxim Bar Kogan 则警告"若中国有 Mythos 级模型而你没让企业提早准备，回头看是巨大错误"——中美攻防竞速已成美方安全叙事的默认背景（详见 LLM 安全）。

中方开源社区的低门槛 onboarding（志鹏 / vLLM-Omni，2026-05）

来源：从 AI 零基础到 vLLM-Omni committer - 一位零 AI 基础的传统工程师靠跟看月球大叔直播、一年内成为 vLLM-Omni committer——展示中方开源推理社区的人才涌入机制：友好 reviewer 带新人、低门槛任务（改文档/小模型/layerwise 单卡跑通/租卡）、每周例会 + 录播、费曼学习法。这是"中国是 builder nation / 开源是文化产物"（Jensen）在社区运营层的具体注脚，也把中方叙事从"研究员/创业者"延伸到"草根贡献者"。

综合观察

• 美方人物（Jensen、Karpathy、Raschka & Lambert、Feldman）对中国 AI 的公开评价以承认实力 + 解释开源动机为主基调；开源被共同视为中国生态的加速器而非短板，Raschka & Lambert 进一步指出"美国大厂因安全不付费中国 API → 开源是切入市场的手段"这一具体机制，并证实中方一线（姚顺宇）"纸面趋同、无 winner-take-all"的判断。
• 中方一线视角（姚顺宇）与美方判断相互印证又各有侧重：Jensen 讲"华人研究者比例、builder nation、开源是文化产物"，姚从内部补上"算力劣势→蒸馏本领、C 端产品能力强于美国、字节被低估"等具体机制。
• 一处张力：Jensen 把开源当中国的战略资产；姚则区分蒸馏的"硬/软"，对硬蒸的评价相当负面（智力上愚蠢）——两者不冲突但视角不同，一个看生态加速、一个看单公司心态。
• 价值捕获的分野：姚顺宇的"中国强 C 端、美国强 enterprise"与美方 a16z（Evans/Sinofsky）几乎只谈企业软件价值捕获，构成两套商业文明的答案；而 Imas·Trammell 的"AI 像电力还是社交媒体"把全球价值分配系于"中国开源能否紧咬前沿 6–9 个月"。详见 AI 商业化与价值捕获。
• 中方视角开始多元化：何小鹏（产业操盘手）加入后，中方素材不再只有在美研究员——增添了"物理 AI vs 数字 AI""中国机器人硬件/供应链优势"等产业落地视角。"国产芯片主动论述"已由 vLLM Omni 团队（昇腾/昆仑通过 hardware plugin 适配）从推理框架侧部分补上；仍待补充：中国 KOL 对算力自给、开源战略更成体系的主动论述。
• 美方供给侧的产业政策自觉：Lip-Bu Tan（Intel）"本土供应链韧性/政府持股是基础设施"与 Lila"美国生物技术输在监管而非创新"，共同显示 2026 年美方叙事已从"技术领先"转向"如何在中国制造/落地优势下重建供给与制度竞争力"——与中方"硬件/供应链/商业闭环"优势叙事在产业政策层正面相撞。
• 机器人赛道形成中美双向确认：柯丽一鸣（PI，美方研究一线）主动承认中国硬件/供应链统治力"追不上"，与何小鹏/阳萌的自述形成罕见的双向印证；同时她指出美国大脑/研究领先、论文开放，中国可 follow 但未必 match——中美在机器人上恰好各执一端（中国硬件、美国大脑），且 PI 的"纯研究不商业化"与中国的"实用主义商业闭环"再次落到本页反复出现的"研究 vs 落地"分野上。

"落后就开源、追平就闭源"与中国可能限制模型出海（2026-07）

来源：All-In / IPO、Token ROI 与开源之辩

• 事件：路透两则匿名源报道称，中国监管方与阿里、字节、Z.ai 会谈，考虑限制其顶尖模型的境外访问；将 AI 研究的窃取/泄露定为国安犯罪；控制谁能投中国 AI 实验室（Manus 迁新加坡后员工被召回是先例）。报道称的动机是担心 Mythos 级模型被用于挖掘软件漏洞、以及华盛顿可能对华部署模型。
• Sacks 的通用剧本论："你保持开源直到追上或接近前沿，然后有极强的动机转闭，因为你想自己捕获全部价值。" 证据链：字节的模型一直闭源；Qwen 从开走向闭；Z.ai（GLM 5.2）看来也在转闭。
• 关键之处在于这个剧本是对称的：Jason 与 Sacks 都点明这正是 OpenAI 三年前走过的路（非营利→营利、开源→闭源），也是 Google 对 Android 做的（先开放，站稳后在授权里绑定 Search/Chrome/Drive）。这让"中国开源是战略资产"（Jensen）与"中国开源是文化产物"的叙事需要加上时间维度——开源可能只是追赶期的阶段性策略，而非稳定属性。
• Sacks 认为这更像下棋而非真威胁："中国这么做伤自己远多于伤美国"，因为美国企业正从中国的开源研发里获益；美国也能自己做开源（Reflection、NVIDIA）。他补充问过几家前沿实验室为何不做开源模型，回答是"需求不大，有需求就会做"——这与 Feldman 的焦虑（"美国缺本土开源模型"）构成直接矛盾，值得追踪谁的判断成立。
• ⚠️ 蒸馏指控：Sacks 称 GLM 5.2 "到处都是 Mythos 的水印"，据此认定存在蒸馏并预期美国政府将对蒸馏采取措施。本库标注：未提供公开证据的断言。 相关量化见 a16z 期：蒸馏一个模型的成本约为其预训练成本的 2%——"如果这一点继续成立且可行，对开源是好消息；如果不成立，则不是"。

token 价格阶梯：中美差价的量化（2026-07）

来源：All-In / SRO 与数据中心

每百万 input token 的报价（Jason 引数据）：Fable ≈56 美元 / OpenAI ≈26 / Grok ≈1.5 / Z.ai ≈1.5 / 中国模型 ≈0.5。这给此前反复出现的"中国模型落后约 6 个月但便宜 10 倍"（a16z 期转述）提供了更细的刻度——头尾差已达约 100 倍。

Chamath 由此推出的战略论断："当你的成本是别人的 50 到 100 倍时，对手根本不需要比你差很多就能赢你。"这与他自估"98% 的 Fable 5 prompt 其实该跑在便宜模型上"合起来，构成对美方前沿定价可持续性的直接质疑。

主权 AI：没有一个国家不在做自己的战略

来源：All-In / IPO、Token ROI 与开源之辩

Chamath 参加联合国 AI 委员会（与 Benioff、Jensen、Brad Smith、Grab 的 Anthony Tan、Anthropic 的 Tom Brown 等）后的结论："没有一个国家不在琢磨自己的主权 AI 战略，而且我不认为他们相信用闭源美国模型是答案。" 多国宁愿拿开源模型（他举例 NVIDIA 的）自建全栈——"某些国家完全不愿意让自己屈从于任何技术风险"。

具体案例：UAE 的 TII/Falcon、沙特的 Humain（阿拉伯语 LLM）、日本 60 亿美元的 Neoterra 联盟。

这条线的意义：它把"中美二元竞争"改写成"美国前沿 vs 全球主权化需求"——而中国开源模型恰好是满足后者的现成供给。若中国如报道所述转向限制出海，将同时打击这个正在成形的第三极，这也是 Sacks 判断"伤自己更多"的依据。

台湾：三周能源储备

来源：All-In / Pat Gelsinger

Pat Gelsinger 给出本库地缘风险论述中最具体的一条：台湾岛能源储备不足三周（引 WSJ）；晶圆厂一旦停机需 90 天恢复；台湾断电的经济冲击大于大萧条。"根本不需要开一枪，你只需要说：好，三周没能源。" 他补充"中国过去四年在台海封锁演习七次——这不是理论"，但拒绝对时点下判断。配套数据：CHIPS 法案使美国先进制程占比从约 12% 升至约 18%；TSMC 晶圆产出为 Intel 的约 7 倍。

具身数据是空窗期：中方优势论证的一条新支柱（2026-07）

来源：沈宇军 / 蚂蚁灵波（张小珺 #147）

本页此前记录的中方优势论证集中在三处：开源生态、工程速度/低门槛 onboarding、硬件与供应链（何小鹏、阳萌、以及美方 Kay Ke 的反向确认）。沈宇军补上了第四条，且论证结构与前三条都不同——它讲的是时间窗口：

"互联网数据是互联网红利的一个变现，是从互联网那个时代积累下来的。但具身相比互联网来说，具身的数据可能是一个空窗期——现在大家都是一样的。所以在收数据上中国有优势，我觉得这是一个非常非常大的优势……至少在数据这方面，我觉得中国一定是比美国跑得快。"（01:19:43–01:20:44）

• 论证的力量在于它指出了美方现有优势的来源是存量而非结构：LLM 的数据优势来自互联网时代的积累，这份积累在具身领域不成立，所以起跑线是齐的。
• 落到行动上：灵波建了"数据联盟"，和数据厂、本体厂等伙伴一起定标准——"因为数据所有的规模化东西一定要有标准"。这与本页记录的中方"开源社区低门槛 onboarding"是同一种组织能力的不同应用。
• 配套的硬件观察："如果我们在中国没有应用到中国本土的硬件优势的话，会比较可惜。"他点名量产已跑通、灵巧手公司层出不穷、触觉传感器越来越多。
• 可证伪性：这条判断附带了一个明确的打卡点——具身真机数据目前与互联网数据相差约两个数量级，里程碑是十万小时 → 百万小时。谁先到，这条论断就先被验证或证伪。

对美方两家的一手评价（难得的中方视角）

• Generalist：数据量比灵波大得多（公开约几十万小时，"现在可能都不知道是不是有百万了"），数据管线更成熟、更早动到 pretrain。
• Generalist vs Physical Intelligence 的理念差：Generalist 接受并强调高效后训练；π 强调 zero-shot、希望不要后训练。沈判定殊途同归——"机器人进家庭，你既希望它 80–90% 的活自己就能干，也希望剩下 10–20% 教一下就会，这两个能力都必须具备"。数据路线上 Generalist 对 UMI 理解更深，PI 在真机遥操上更扎实；随 ego-centric 数据兴起 + 灵巧手提上日程，"合久必分分久必合"。
• 但技术本身没有可借鉴的——因为灵波认定必须从视频生成路线学知识，而"能够把视频生成做到原生的，目前还没有看到"。这是本库少见的中方团队声称在某个具体技术方向上没有可对标对象。

主权 AI 其实说的就是物理 AI（Applied Intuition，2026-07）

来源：为什么物理 AI 是下一个前沿

本页已积累的主权 AI 论述（All-In 的日本 60 亿美元 Neoterra、联合国委员会"没有一个国家不在做自己的战略"、Sacks 的出口管制之辩）多集中在芯片与模型层。Qasar Younis 给出了一个更锋利的收束：

"主权 AI 真正说的是物理 AI——因为那才是国防，才是在物理世界移动的机器。"（00:11:07–00:13:09）

他给出的历史弧线很清晰： 1. 互联网时代——没人谈主权，"浏览器到处跑，那几乎就是它的力量所在"； 2. 社交媒体时代——开始有（中国不让 Facebook 进）； 3. 线上线下时代（Uber/DoorDash）——本地玩家被强力偏袒； 4. 物理 AI 时代——"会是huge的一档"。例证：Waymo（美）和小马智行（中）去第三国部署，每一个国家都远更犹豫。

• 连带的一条：物理 AI 的数据必须自采，而采集权限的门槛是地缘政治而非技术——"韩国因为朝鲜的关系连测绘公司都不许可，更别说让一家美国公司进去采数据"；他们花多年摸清了在中东、拉美与政府打交道拿许可的路径。讽刺的是这对技术供应商有利：模型不能像手机 app 那样被人人下载，扩散方式完全不同，专有数据的优势更难被抹平。
• Applied Intuition 的实际姿态：除中国外全球设点，历史参照是标准石油与 Aramco——"你是按当时的地缘政治现实来建生意的"。
• 他对中国 EV 生态的一句判断（与本页已有的"价格战/不计利润"叙事一致但更直接）："主要不同在于他们不在乎利润。当你在和一个不在乎利润的生意竞争时，整个行业的算计全变了。"

西方开源 neo-lab 致敬中国开源研究（Eiso Kant / Poolside，2026-07）

来源：Poolside 访谈

本页此前的"开源"叙事多来自中方（DeepSeek/罗福莉）或美方综述（Raschka & Lambert）。Poolside 提供了一个西方前沿实验室主动开源、并公开承认吃了中国开源红利的一手样本：

• "过去大部分开源创新来自中国实验室"（主持人语，Eiso 认同）；Eiso 点名致敬 DeepSeek、Zhipu/Z.ai（GLM 5.2，"他们早在 ChatGPT 之前就在做"），"我们确实在接收端吃了他们开放研究的红利，就有回馈的义务"。
• 区分开源权重 vs 开源研究："权重是二进制的，给你也无法重建我在做的事"——他认为中国模型多是开权重、开研究不够，而 Poolside 想补的正是"每几个月连同技术报告一起把 how/教训都发出来"这一层。这为本页"中美开源竞赛"添了一个维度：不只是谁开权重，还有谁开 know-how。
• 地缘中立的价值主张：Eiso 主张世界该能"按国家/公司/文化选择信任哪个 provider"，不同背景的实验室会引入不同的（有意或无意的）bias——这与本页"主权 AI"讨论同频，但落点是多极开源生态而非单一霸权。
• 与"中美 2–3 个月代差"（罗福莉）互补：Poolside 说"从三年到现在模型间隔以周计"，佐证前沿追赶窗口正快速收窄——而这个窗口是否够开源紧咬前沿，直接决定 AI 商业化里"电力 vs 社交媒体"的答案。

开源流向的反转：美方前沿产品建在中国开源模型之上（All-In，2026-07）

来源：All-In #282

本页此前的叙事一直隐含一个方向：中国追赶美国（代差 2–3 个月、蒸馏、开源作为追赶策略）。2026-07-24 这期给出了方向反转的具体案例，这是本库首次记录：

• Thinking Machines（Mira Murati）目前"最好的美国开源模型"，是从 Kimi K2.5 蒸馏引导（bootstrap）出来的（Sacks 语，00:39:21）。
• Cursor 的 Composer 2 用 Kimi K2.5 加自家专有编码数据做后训练（00:40:21）。
• Sacks 由此拆解"中国模型"这个标签："一旦它进入公共领域，它就不再是中国模型了。它是任何人都能免费获取的开放权重，它是一个文件。" fork 之后跑在美国数据中心自己的硬件上——"没有数据包回中国"。
• 政策含义（本条最重）：若"中国开源模型 = IP 盗窃"的定性成立，所有衍生作品都被污染，整个美国创业生态受牵连——这正是 Gary Tan 与 200 家创业公司联署反对信的动因（01:04:46）。

⚠️ 与本页 「落后就开源、追平就闭源」 并读：那条描述的是中国实验室的策略演化；这条描述的是美方对中国开源成果的实际依赖。两者并不矛盾，但合起来说明开源生态已经双向咬合，单向封禁在技术上无法定义边界。

触发事件与政策线（Kimi K3，2026-07）

• Moonshot AI 发布 Kimi K3，主持人称性能与 Opus 4.8 / GPT 5.6 同级、便宜约 50%，被类比为 DeepSeek 时刻重演（00:00:00）。
• Michael Kratsios 称有信息表明 Moonshot 蒸馏了 Anthropic 的 Fable；白宫内部信号矛盾（Axios：在考虑封禁；Wired：Lutnick 反对封禁、主张激励美国实验室做更好的开源）；Polymarket 相关概率数日内 22% → 45%（00:01:00）。
• ⚠️ 同一集内的自相矛盾，本库不做裁决：主持人开场称 K3 "便宜 50%"，Sacks 在 00:29:15 引 Ben Thompson 的成本拆解称"K3 跑起来并没有便宜那么多"，且只在前端编码 arena 一个维度上突出，"中国没追上，我仍认为我们领先 6 个月"。

蒸馏之争的可操作区分：权重 vs 输出

这是本页迄今对"蒸馏"最有政策价值的一次拆解（详见视频页 三、）：

• Chamath 的定义：启动模型 → 提问 → 取其输出用于训练自己的模型；乘以数千万次，"外泄的实质上是数万亿个问答对"（00:08:00）。
• Friedberg：这是全行业通用工程实践，并给了一手案例——Google 早期向 Yahoo/微软搜索引擎提交数百万条查询比对结果集以改进排序，"我们没进他们服务器偷软件，我们看的是输出"。判据：评估输出，而非工程过程（00:15:01–00:17:02）。
• Sacks 的区分：权重 = 代码（窃取专有权重是盗窃，但无人指控此事）；本次争议全部关于拿输出去学习（00:17:02）。
• 自噬论证：OpenAI 应对 NYT 诉讼的抗辩正是"拿 NYT 的输出推导我们自己的权重"——"而这恰恰就是中国模型在做的事"；Sacks 定性为 "IP for we but not for thee"（00:18:04）。他同时明确没有否认的部分：中国公司大规模伪造账号、隐蔽违反服务条款确是伦理与商业实践问题。

"分子经济"：Friedberg 版的中国长期棋（2026-07）

本页此前的中美对照集中在模型、算力、数据。Friedberg 给了一个把 AI 竞赛降维到能源与制造的宏观论证（00:41:22–00:44:25）：

• 前提：过去 50 年美国的价值来自处在知识经济/服务经济核心——"把一个 bit 转换成另一个 bit"，同时把制造外包。
• 第一性原理：人类繁荣根本上由"把分子从一种形态转换成另一种、并用尽可能少的能量做到"的能力驱动。
• 推论：开源 AI 把知识经济的价值压平 → "美国和西方经济的价值被大幅降级，剩下的是分子经济的价值"。
• 数字（⚠️ 未给来源，需外部核实）：发电 1 TW vs 通往 8 TW；制造面积 100 亿 vs 2000 亿平方英尺。
• 结论："通过压缩并彻底商品化知识与服务经济，他们最后握着全球经济里剩下的全部价值。"

与本库其它页的接口：这条与 Travis Kalanick 的 industrial AI（"数据中心本质是制造问题"、美国忘了怎么制造）、沈宇军的具身数据空窗期（"收数据上中国有非常大的优势"）构成一条完整的"价值从 bit 回落到 atom"链条——值得注意的是中美双方 KOL 从各自方向都在讲同一件事，这在本库里是罕见的跨阵营共识。

开源推理底座上的中美：vLLM 视角（游凯超，2026-07）

来源：张小珺访谈 #148。这是本库首次从中美共用的那一层公共基础设施看这场竞争——此前所有素材都在模型层或产业层。

中国开源模型的爆发在 vLLM 团队意料之外

• 时间线的巧合：游凯超 2024 年 12 月结束伯克利交流回国，"我结束交流的时候就是 DeepSeek V3 发布的时候，回来 1 月份马上 R1 又发布了"。他明确承认这波爆发在团队意料之外（[00:57:32]–[00:58:34]）。
• 2025 年的两大主旋律：大规模部署（硬件与模型都变大）+ 开源重心从欧美转移到中国。2024 年重心还在 Meta、Mistral，且"模型和硬件还没有很耦合，模型结构在那一年没有发生巨大的变化"，支持起来不算复杂（[00:52:20]–[00:57:32]）。
• 一条行业节奏观察：2025 年 7 月国内密集发模型，"事后回想起来，感觉应该是当时 WAIC 快开会了，很多公司都想在这之前把自己有的模型都发出来"（[00:59:35]）。2026 年已有 DeepSeek V4、MiniMax M3 等大发布。

中文社区是被单独搭出来的

vLLM 诞生在美国，沟通用 Slack、以英文为主。游凯超回国后从零搭建中文社区，动因是两个很实际的障碍（[01:00:36]–[01:02:37]）： 1. 语言——"国内的同学肯定更习惯说中文，而 Slack 里面大家主要还是说英文"； 2. 可达性——"因为各种各样的原因，国内的同学用国外软件的时候还是有一些不方便的因素存在的"。

解法是公众号 / 小红书 / 知乎等中文阵地，并逐家走访国内使用方——"像 DeepSeek、Kimi 他们都是公开说过他们就是用 vLLM 的，但之前我们跟他们的沟通非常少，因为时区不一样、人也没办法见面"。

这条补上了本库一个此前的空白：中国模型的高速迭代并非只靠模型团队，还依赖一个由个人从零搭起、把中美两侧开发者接上的社区层。

DeepSeek：从"泯然众人"到 vLLM 反过来向它学习

• 合作史比外界以为的早：DeepSeek 内部从 2023/24 年起就用 vLLM（加了自有优化变种），从 DeepSeekMoE → V2 → V3 一直有联系。"只是在 24 年的时候，DeepSeek 还属于社区里面的一员，只是一个泯然众人的模型厂商。"（[00:58:34]）
• R1 之后关系反转："DeepSeek 的 infra 同学做了很多的优化，然后我们需要学习——他们在推理引擎方面虽然是基于 vLLM 做的，但比我们做的往前面走了很多，所以我们当时是在不断地跟他们学习的过程中。"（[00:59:35]）
• 评价与机制："DeepSeek 的 infra 团队可以说是全球顶级的团队"；关键在双向——infra 强则可高效实现的模型结构更多，且算法同学本身也懂 infra。详见 AI 算力与基础设施。

一条容易被忽略的结构事实

"每一个模型的发布背后都跟着 vLLM 的支持，每一个芯片厂商都会主动来靠近 vLLM，说他希望得到 vLLM 的支持。"（[01:40:26]）

即中美两侧的开源模型共享同一个推理底座，且该底座的商标由 PyTorch 基金会持有、由一家美国创业公司主导维护、由一位中国维护者搭起了它的中文社区。

• 这为 姚顺宇"知识已无秘密、纸面趋同" 补了一层机制性解释：趋同不只因为 knowhow 扩散，也因为工程底座是共用的。
• 也给 开源流向的反转 这场政策辩论提了一个本库尚无 KOL 正面处理的问题：模型层的开源封禁讨论绕不开一个中立的、跨国共建的推理基础设施。留作待跟踪问题，详见 开源基础设施与治理。

个体决策层的证据：2018 年贸易战怎样改写了一届人的路径（孟子立，2026-07）

来源：月球大叔访谈。本页的素材几乎全在国家/产业/公司层，这是罕见的一份个体路径选择的一手记录，且它把一个宏观事件落到了可核验的细节上。

• 时间点的直接影响：孟子立 2015 年入学清华、2018 年申请博士，"2018 年同时发生了几件事：首先是贸易战。我们自己那届的暑研申请还算顺利，但下一届很多清华学生的签证被吊销。这是中美关系开始转向摩擦的第一年"（[00:20:09]）。
• 他的决策方法本身值得记（经济学口径）：边际成本清楚（考 GRE 与语言，近半年）、边际收益不清楚（"人们会说 MIT 或美国有更好的研究环境，但我不清楚"），所以先去 MIT 暑研亲自验证。结论是"确实更好，但不足以抵掉为申请而放弃的半年研究"，于是留在清华读博（[00:20:09]–[00:21:11]）。
• ⚠️ 事后他给自己补了一条当年没算到的成本：换一所学校会给你一个全新的校友网络——"人开始工作后越来越认识到校友网络的重要性，但作为学生很难体会到"（[00:21:11]–[00:22:11]）。这是本页"中美人才流动"讨论里少见的非研究质量维度的成本项。
• 他对研究本身的判断被后来验证：2017/18 年中国机构在网络顶会的完整论文"一两只手数得过来"，如今"中国高校未必主导，但已有非常显著的存在"；当年他在清华组里的直接感受是"和 MIT 那个组差别不大，如果有的话，国内的人反而更拼"（[00:22:11]）。这与 姚顺宇"纸面趋同" 在学术产出这一层同向，且时间跨度更长（近十年）。

香港：本库首次出现的第三地视角

本页的框架一直是中美两极，孟子立提供了一个两极之外的位置（[00:48:24]–[00:49:25]）：

• 做教授反而更轻松，理由很具体：内地和北美申请经费时人脉常起大作用（他点名"各种 NSF workshop 可能起类似作用"），"而香港太小了——每份基金申请都被送到全世界评审，你想靠关系都不知道该找谁，这反倒逼所有人聚焦研究本身"。⚠️ 这是一条"小"反而成为制度优势的论证，与本页其它素材的规模逻辑相反。
• 但创业是另一回事：香港主要是金融中心，隔壁深圳活跃得多。他的判断是香港适合与金融紧密相关的创业；否则更该去湾区、深圳或北京——技术密度更高、资本更敢投深科技，"或者更重要的是，有懂得欣赏技术价值的人才。香港可能更懂得欣赏金融的价值"。
• 深圳的具体优势是硬件迭代速度："线不合适或空间不够，一小时内快递就能送来新型号的线"（[01:15:36]）。这为本页多次出现的"中国硬件/供应链统治力"（何小鹏、阳萌、Kay Ke 的美方反向确认）补了一条创业公司量级的证据——此前的证据多来自大规模制造，而他强调量小恰恰是最难的，深圳的价值在于迭代而非产能。
• 港科大的创业基因：他选港科大的直接原因之一是系里有位教授是 Atheros（无线芯片公司，后被高通收购）联合创始人——"那个驱动我用过"；以及大疆是本系李泽湘教授的学生创办的（[00:34:17]–[00:36:17]）。

一条心态侧的记录

看着大模型爆发而自己在做教授，他答得很直白（[00:47:24]–[00:48:24]）："说没有就是撒谎。尤其当同届同学在买房买车，而大学教师还在挣扎的时候。"同届若去了某些工业研究实验室，"现在的年薪可能是你的一百倍"。但他归给时机与判断力："那些拿百万美元包的人是靠自己的能力挣来的。他们敢在早期 all in。"

⚠️ 本库两位同频道嘉宾的直接自我对照：朱邦华（2026-05）说自己 2022 年就看见了 AI 的崛起；孟子立主动提起这句并说"很遗憾，我没看见"——他 2022 年整年在 CMU 走完全套美国教职市场流程、试过 ChatGPT 仍未看出趋势，看到的是疫情期大厂裁员（[00:32:16]–[00:33:16]）。这是本库关于"时机判断力"最直接的一组一手对照，两人同届同领域、结论相反。

机器人赛道的对华判断：一集之内两种相反答案（Machina 四家机器人公司，2026-07）

来源：All-In @ Machina Paris。本页此前在具身赛道上的对照停在技术与供应链层——中方硬件强、美方大脑强，且是双向确认的。这一期第一次进到商业与安全层，而且欧美厂商给出的答案分布很宽。

	供应链	对中国机器人的判断
ANYbotics（瑞士，ANYmal 四足，已规模部署）	中国零件 0%，但自称是"历史造成的"而非政策选择（十年前起步时自研+就近采购）；核心部件专长在中/欧/美三地	最不慌："那是一块能漂亮行走的硬件，很棒的工程，能翻后空翻——但他们没有在解决问题。我们的客户不会拿一个平台去比我们的完整解决方案。那只是硬件层面的差别。"（[00:10:07]）
Boston Dynamics（美，Spot/Atlas，超 500 客户 46 国）	100% 美国制造	最强硬："应否允许中国人形进入美国？"→"不。不安全。"（[00:42:26]）
Agility Robotics（美，Digit 人形）	未被问及	未被问及

• ⚠️ ANYbotics 的立场是本页首次记录的一个明确反方：它不否认中国硬件优秀（"很棒的工程，我喜欢"），而主张硬件不是竞争发生的层次。护城河是自主、巡检、智能、工作流集成，加上数据可信度（ISO 网络安全认证）——"你不会想让别人控制你关键基础设施里的 15 个摄像头。"（[00:11:10]）
• 这与 Sacks 关于模型层的护城河论证结构完全相同，只是搬到了机器人："护城河不只是模型，还有 harness、connectors、企业协议。"两者都在主张底层能力商品化，价值在集成与信任层——本页此前只在模型层记录过这条论证，现补上物理层的同构版本。
• ⚠️ 它同时是同集 Hurst"机器人价格由人工成本设定、长期非弹性" 的支撑与最大风险点：若这层解决方案护城河不成立，中国厂商大幅折扣进入同一批客户，价格锚定就守不住。这是一条可证伪的分歧。
• Boston Dynamics 的政策主张（[00:42:26]–[00:43:26]）：
• 具体安全指控："我们已经听说了一些泄露——在美国的一些四足机器人身上发生的，数据被回传到中国。" ⚠️ 未给来源或事件细节，本库标注为转述、未给证据。
• 类比半导体："我们已经见过让中国在半导体领域赢是什么后果。机器人不能重蹈覆辙。"
• 主张国家机器人战略：保护 IP、把制造带回美国或盟国；并称他们"有幸坐在其中一些讨论的桌边"。
• 升级版目标："我们不只是要赢，还要让世界其余地方用我们的平台，而不是中国的。" ⚠️ 与本页 主权 AI 一节对读——Chamath 的观察是"没有一个国家不在琢磨自己的主权 AI 战略，而且我不认为他们相信用闭源美国模型是答案"。这两条主张在结构上互斥，本库不做裁决。
• ⚠️ 中方"数据空窗期"优势可能被绕开：本页 沈宇军的论证是"具身数据是空窗期，现在大家都一样，中国在收数据上有优势"。同集 1X 的 Bernt Børnich 给出的路线是结构性绕开这条赛道——"我们的跨本体不是另一台机器人，我们的跨本体是人"，全力押注在互联网视频数据上做预训练，理由是所需数据量比任何真机/第一人称采集路线在未来几年能拿到的"多好几个数量级"（[00:27:20]、[00:28:21]）。
• 如果这条路成立，"谁能采到更多真机数据"这个中方优势的权重就下降；如果不成立（Hurst 在同集就反对："互联网数据对机器人控制并不存在"），沈宇军的论证仍然有效。
• 这是本页目前在具身赛道上最值得长期跟踪的一组中美路线赌注。 详见 物理 AI 与机器人。
• 一条与武器化相关的一手事实：约四年前 ANYbotics 与 Boston Dynamics 等同行联署公开信谴责机器人武器化（[00:14:12]）。ANYbotics 对中国武装四足视频的判断是"都还是很早期的测试、是演示"，并与乌克兰无人机对照——后者"是出于必要而成熟起来的品类"。⚠️ 但 Boston Dynamics 对"若中国投入战场你会不会造"没有关门（"得等到那一刻再回答"，[00:45:29]）。

2026 年 neo labs 潮：中美同时涌现，但投资人耐心相差一个量级（刘子鸣，2026-07）

来源：刘子鸣期。刘子鸣 是本库第一个同时在美方和中方 neo lab 现场的样本——他在 Stanford 做博后时目睹老板 Andreas Tolias 的 neo lab 从秘密筹划到 announce 的全过程，回国后自己组建了一个。

⚠️ 投资人耐心：三年 vs 当天

本库目前最直接的一组中美资本对照，且两侧样本在同一段对话里被并置（[00:35:39]、[01:31:49]）：

• 美方：Tolias 的实验室被投资人告知"三年之内你们不用考虑商业化，这三年你就安安心心地做 R&D"。理由很实在——做猴子和老鼠的实验必须养猴子采数据，"这个周期你是避免不了的"。
• 中方：张小珺直接点破——"国内的投资人恨不得你现在当天就能盈利。"
• 后果是可观察的：刘子鸣的 roadmap 被压到 6 个月 R&D、一年内产品化商业化。⚠️ 他为这段窗口所做的辩护值得记："不能过早地去投入到一个其实不是那么好的方向，只是为了短期能够去交差、短期能够去做商业化。"
• 本库判断：这条与本页既有的中美对照（资本密度、开源策略、人才流动）不同——它测量的是允许失败的时间长度，而这恰恰是 research-driven 创业最敏感的变量。可与 ai-lab-culture 里 neo lab 的"lab 阶段"定义对读。

⚠️ 一条可争议的人才密度体感

他回国的直接理由（[00:45:54]）：

"我在 MIT 其实也带过二三十个本科生，我的体感是其实平均水平是远不如清北的本科生。"

推论链是：auto research 需要高人才密度、需要"很多小天才"，所以加入清华，"顺便也能从北大那里薅点学生过来，相当于能聚集不是全国而是全世界最聪明的学生"。

⚠️ 这是个人体感而非统计，且样本是"带过的本科生"而非全体，引用时须标明。但它作为一位在两边都待过的人给出的迁移理由有独立价值——本页此前的人才流动条目多以薪酬、签证、产业机会解释，这一条给的是教学一线的择优体感。

融资机制与词汇混乱（两边共有）

• ⚠️ "种子轮加轮、加加轮、加加加轮，可以无限地加下去"——上一轮没进来的投资人就为他开一轮，形成连续融资状态（[00:44:51]）。一级市场处于非常 FOMO 的状态，"大家相互打探消息，投项目动作非常快，close 也非常快"。
• ⚠️ 词汇是给投资人听的（[01:33:51]）："现在所有 neo labs 都是——他形容他在做一个什么事情，那创业者和投资人脑子里就不是一个事。之所以用这些 cliché words，是因为投资人他要得听懂。" 他自己也承认还没找到准确的词。这条提醒对本库有直接方法论意义：跨主体比较"世界模型""AI for science""AI for AI"这类标签时，须先落到各自的具体技术定义上。

⚠️ "中国用开源删掉模型层价值"打穿的是美国的财政模型（Friedberg，2026-07）

来源：All-In 2026-07-31

这是 Friedberg 的"分子经济"论 的第二段，落点从产业转到了主权信用（2026-07-31 [00:20:15]–[00:21:18]）。

前置的宏观链条（[00:15:10]–[00:19:15]）

• 30 年期美债收益率突破 5.2%，20 年来首次（"上一次看到这个还是 2007 年、全球金融危机之前"）；税前等价"大概 8–9%"。
• 美国年支出 7 万亿 / 收入 5 万亿 / 赤字 2 万亿；联邦债务 40 万亿；债务上限从 2025-07 的 36 万亿升向 41.1 万亿以上，且 Warren 与 Trump 同期都主张取消债务上限。
• 核心句："我现在能买一张付我税前 10% 的美国政府债券——那我为什么要花 50 倍市盈率去买一只半导体股？这就制造了短期内市场与这些 AI 大押注对着干、把这些泡沫戳破的激励。"

论证

"中国现在在演示：他们可能通过发布开源 AI 模型来让模型的价值通缩，而最终价值可能就只沉在算力基础设施和能源上。" "如果你围绕 AI 生产率如何驱动经济建了一个 30 年模型，你本来会有相当多行的价值创造估在模型层，那会是美国未来 30 年经济增长的一大块。而现在如果中国说'我们其实要替你把那部分删掉'，所有价值都沉到能源上——那是他们有很多的东西——那我们最后会把很多价值让给他们。" 落点："这就真的让美国经济的 30 年时间线、让我们作为政府继续付得起债务利息的能力成了问题。"

为什么这是本页的新东西

本页此前把开源竞争当作产业与技术竞争（开源流向的反转、落后就开源追平就闭源、token 价格阶梯）。这条把它接到美国的偿债能力上，因此改变了政策紧迫性的性质——它解释了为什么"封杀开源"这个在产业逻辑上被四人一致反对的提案，在财政逻辑上仍会不断被提起。

政策侧的闭环（同期 [01:23:00]–[01:24:02]）：他还给出了为什么 AI capex 会得到政策扶持的机制——"政策的转变就成了：我猜我们没法削减开支了，那答案就是靠经济生产率增长来长出去。而那就是 AI 的大燃料、是 capex 折旧政策等等背后的动力。" 他给的国会侧原因是结构性的："你去国会见每一个人，他们代表的是自己州或选区的利益。他们的经济激励和政治激励不是给人们更少"，而削减开支恰恰要那么做。

即：⚠️ AI 的 capex 政策不是产业政策，是财政政策的替代方案——而这也正是他认为"中国删掉模型层价值"会打穿的那个东西。

同期的两条芯片侧事件（主持人转述，⚠️ 细节可靠性低）

• 一家中国公司开始量产光刻机，ASML 股价因此跌 17%（⚠️ 公司名转录为 "Aishanga"，本库无法核实）。
• 中国存储厂 CXMT 上市首日暴涨近 500%（⚠️ 市值数字单位不明，不采信），拖累美光、三星。

⚠️ "开源威胁叙事可能是被制造出来的"：Sacks 的垄断伪装论（2026-07）

本页记录了大量关于中国开源模型威胁程度的争论。2026-07-31 Sacks 加了一条元层面的解释（[00:39:35]–[00:41:35]）：

援引 Peter Thiel："垄断者假装自己是商品，商品假装自己是垄断者。" "前沿 AI 的市场已经是双寡头了。一年前你有五家主要实验室在争领先模型，现在真的只剩两家……在那种处境下，你会想装得市场比实际竞争激烈得多。" ⚠️ 可证伪的推论："我认为这就是围绕 Kimi K3 的恐慌背后的原因。以一种奇怪的方式，这些公司有激励去推广'Kimi 是巨大威胁、它追上了前沿、它在偷我们的 IP、它基本上能把我们干掉'的想法。我认为这全是胡扯。" 他给的事后证据："恐慌过去之后，你看到报告出来说：不，Kimi 并没有达到前沿……它跑起来也没那么便宜，实际上还挺贵的。"

⚠️ 本页标注：这条与他 07-24 的立场 是升级关系——那次论证"Anthropic 的反蒸馏主张方向反了"，这次论证"有人在制造这个威胁叙事"。但要注意：Sacks 本人也是"美国仍领先 6 个月"这一判断的主要来源，因此这条同时是他自己立场的支撑论证，读者应把这一层计入。

同期 Jason 的反方数据（本页该并列的）：他称公司内部装了 Kimi、已便宜 80–90%，用 OpenRouter 按在线率与数据保留政策动态选 provider；并预测八/九位数的前沿模型大客户会离开（点名 11 Labs、Figma、Lovable）"因为他们不信任这些公司不去偷应用层"。另转述一位推理服务商的客户"刚把九位数的量搬到 GLM 5.2"。⚠️ Sacks 用收入数据反对（OpenAI 7 月净新增 ARR 超整个 Q2、Anthropic 700 多亿 ARR 且毛利率 80%+ 并在改善）。

⚠️ 同日 Decagon 那期 提供了双方都没有的一条机制：企业里开源推理份额其实在下降，因为新用例都从前沿模型起步、成熟后才转开源——即份额是用例成熟度的滞后函数。这说明双方可能在用不同时点的截面互相反驳。

一条关于中国研究者来源的事实性反驳（Friedberg，[00:51:42]）

"人们可以整天说中国偷了美国模型，但你去看这些中国实验室里工作的个人，他们的博士是在美国机构读的。一半的博士去了美国实验室，一半去了中国实验室。他们有很好的科学家在做很好的工作，而且他们在取得突破。"

这与本页 孟子立关于 2018 年贸易战改写个体路径 是同一现象的两端：人才流动的历史事实，使"技术从哪来"这个问题在个体层面上无法按国界切开。

⚠️ 换一个度量衡：总吨、船台与 230:1（Saronic，2026-08）

来源：All-In / Saronic

本页此前所有的中美对照都在模型层（能力差距、蒸馏、开源流向）、芯片层（Lip-Bu Tan / Andrew Feldman）、机器人硬件层（柯丽一鸣 / 何小鹏 / 阳萌 三方确认的中国硬件统治力）。Saronic 两位创始人（视频页）第一次把度量单位换成总吨。

⚠️ 以下全部为公司创始人自报，无第三方来源。

指标	美国	中国
年造船产能	10 万总吨	2300 万总吨 → 230 : 1
占全球造船产能	—	57%（30 年前 5%）
同一条船的造价	基准	1/5 – 1/6
去年交付商船	5 艘	1000 艘以上
去年海军舰艇	建 9 退 19	交付约 30
现役舰队	296（国会 2018 年法定下限 355）	约 370，"很快 450"

• 成本差的归因不止于补贴造船："他们连原材料和劳动力成本一起补贴"，所以订单持续向中国集中、57% 还在涨（[00:06:05]）。
• ⚠️ 论证里有一跳必须单独标注：商用数字之所以能推出军事结论，靠的是"冲突一旦打起来，商用产能会全部翻转成国防产能"（[00:08:07]）。这是 Dino Mavrookas 的论断，不是那组数据本身。他用二战美国年造数千艘作类比。
• 30 年的变化幅度："30 年前中国海军是个近海二流海军，今天他们有核潜艇、航母和高超音速导弹。"（[00:07:05]）
• 他把 57% 主动推广开："这不限于造船一个行业，可以一个行业一个行业地去谈他们的制造实力和制造统治力。"（[00:35:24]）

为什么这是本页的新东西：第一次有人不绕开产能差距，而是换掉度量衡

本页既有的美方回应大致有三种——"硬件不是竞争的层次"（ANYbotics："那是一块能漂亮行走的硬件，但他们没有在解决问题"）、"大脑/研究仍领先"（PI）、"开源威胁叙事被夸大了"（Sacks）。

Saronic 的回应是第四种，也是唯一正面接受制造业才是战场的：既然总吨比不过，就换分母——不比造多少船，比每年往战场投放多少 VLS 发射管。驱逐舰 30 亿美元 / 6–8 年 / 96 管 → 年投放 10–15 管；20 艘 Marauder × 等效 16 管 → 年投放 320 管（[00:13:10]–[00:14:11]，⚠️ Marauder 单价未披露，"每管成本"无法验算）。自主化在这里的作用不是提高产能，是提高"单位产能的军事产出"。

主权 AI 的物理版本：出口的是产线不是产品

与本页 主权 AI 结构完全相同、标的换成船台（[00:35:24]–[00:36:25]）：他们与亚洲、欧洲、中东盟友谈的不只是卖产品，而是"怎么在那些国家立起本土生产、给他们主权能力、让海外产线在冲突发生前就已前沿部署"。这与 Applied Intuition"主权 AI 真正说的是物理 AI——因为那才是国防" 是同一句话的执行版。

⚠️ 主持人关于欧洲盟友"基本已不造船"、韩国是唯一做得好的说法，嘉宾未确认。

与"分子经济"的接口

Friedberg 的"分子经济"（中国在下的是原子侧的长期棋、价值从 bit 回落到 atom）此前一直缺一组硬数字。230:1 就是它迄今最具体的落地。但注意两者的政策含义不同：Friedberg 用它论证美国的财政模型有问题，Saronic 用它论证自主化 + 固定总价合同 + 新船厂这套产业侧的具体做法（详见视频页）。

⚠️ 一条对本页整体口径的提醒：本期的"AI 含量"很低。真正的论证是制造业单位经济学，AI 只是自主航行、counter-UAS 和产线 agent。本库收录它是因为它给中美竞争提供了模型层之外的度量，而不是因为它给出了 AI 能力判断。

⚠️ 蒸馏之争的第三条轴：环境蒸馏不了（Simon Mo / vLLM，2026-08）

来源：a16z 访谈（Simon Mo + Matt Bornstein）

本页 蒸馏之争的可操作区分 此前有两条轴：Sacks 的"权重=代码 vs 输出=学习"、Friedberg 的"评估输出而非工程过程"。两条都在讲什么算侵权。Simon Mo 加的第三条在讲能力到底从哪来，因而直接决定了蒸馏管制能不能管到要害。

他的论证走的是配料表（[00:38:26]–[00:43:32]）：一个计算集群 + 训练数据 + 出色的研究员——而其中最关键的一味不是数据来源，是环境。

• 例证：K3 在 Arena 上最有用的一条 benchmark 是前端编码，这说明 Moonshot 为前端编码造出了最好的环境之一（模型写代码 → 看渲染结果 → 继续循环）。"这是关于他们改进模型的环境，不是关于他们从哪拿的数据。"
• ⚠️ 落点：

  "这些是 RL 环境——它们没法被蒸馏。你没有别人的环境可以从中复制一份出来；这是关于构造它、理解学习过程。你没法蒸馏模型在环境里是怎么学的。"

  "有些事你确实可以用重写数据集来做——做更好的预训练数据。但话说回来，任何会遵循指令的模型都能派上用场。所以我真的不认为这是今天推动进展的一块基石。"

Matt Bornstein 的政策推论（[00:44:32]）："这有非常有意思的政策含义——因为如果你坐在白宫，会很想说'哦，那我们把蒸馏关掉就行了，所有问题都解决了'。但更可能的情况是，他们就是一群聪明人在做有意思的事。所以问题变成：我们怎么去适应这件事？"

⚠️ 本库标注：这条来自一位与中国实验室有密切工程往来的美方从业者（vLLM 为 Kimi、DeepSeek、MiniMax 做 day-zero 支持），来源位置本身就是信息。它不否认蒸馏在发生，而是主张它不是进展的主要来源——与本页记录的 Kratsios "Moonshot 蒸馏了 Anthropic 的 Fable" 是同一问题上的相反判断，本库两条并存。

差距判断：能力层 vs 发行层

⚠️ Simon 给了本页目前最激进的一条差距判断（[00:38:26]）：

"归根到底并没有太多差异化。更多是关于发行策略和 go-to-market 策略。而能力上，我看不到大差距——今天都没有。"（被问"五年后开放权重会追平前沿吗"）

必须与本页/相邻页三条既有记录并读，本库不裁决：

来源	判断
Baseten（2026-08-03）	LLM 侧"差距曾经是 6 个月，现在基本没有了"；但视频侧是天壤之别且在逆转
Simon Mo（2026-08-06）	能力上今天就没有大差距，差别在发行
Ben Thompson 经 Sacks 转述（2026-07-24）	"中国没追上，我仍认为我们领先 6 个月"，K3 只在前端编码 arena 一个维度突出

⚠️ 注意一处耐人寻味的交叉：Sacks 用"K3 只在前端编码 arena 突出"来论证中国没追上；Simon 用同一个事实论证 Moonshot 在 RL 环境构造上领先。同一份证据，两种相反的解读——差别在于是把 arena 名次当能力代理，还是当环境质量的代理。

⚠️ 美方 VC 用国家安全逻辑，论证中国实验室应该有商业收入

（[00:21:15]–[00:22:15]）Matt Bornstein 为模型实验室的分层商业许可辩护时给了一条本页此前没有的立场：

"我不认为这是贪婪。……开源软件过去靠人捐时间支撑，这在 AI 里根本行不通。"

"坦白说，中国模型比国产模型更是如此：如果 Moonshot 没有继续训模型的资金来源，我们知道钱会从哪来，而那是……政府，以及对我们来说其实更糟的东西。"

⚠️ 本库标注：这与本页记录的封杀中国开源模型的主张出自同一阵营却指向相反政策——一边主张切断，一边主张让它们有商业化收入以免国有化。两条并列，是本页目前对"美方内部并非铁板一块"最干净的一组证据。他自己的投资口味也是同向的：a16z 在找世界各地更多做开源模型训练的人，"不只在中国，不只在美国"。

⚠️ 护栏误杀正在把美方基础设施开发者推向中国模型

（[00:33:22]）本页此前记录的"美方依赖中国开源模型"都是产品层的（Thinking Machines 从 K2.5 bootstrap、Cursor 的 Composer 2 用 K2.5 后训练）。Simon Mo 给了开发者日常使用层的第一条证词，且动因完全不同——不是能力也不是价格，是安全策略误杀：

Inferact 与 vLLM 内部很多开发者正在从 Fable 5 撤退。他们研究 GPU kernel，"哪怕只是一个 invalid memory access 报错，我们都在触发红线"（前沿 AI 研究相关护栏）；"你有一个两小时的任务，触发红线（假阳性），然后你全部的工作就没了"。于是"很多开发者今天在用比如 Kimi K3，就因为它质量相近、护栏对我们来说是合理的"。

结构含义：如果闭源模型在前沿 AI 研究这一类工作上系统性误伤，那流失的恰好是做基础设施的那批人——而他们同时是决定生态默认选择的人。完整分析见 LLM 安全 与 开源基础设施与治理。

一条同期的联署信记录（与"Pacing the Frontier"对立）

（[00:13:09]）Inferact 签署了 NVIDIA 发起的"开放权重与美国 AI 领导力"公开信，同署方包括 a16z、Meta、Amazon 及数十家公司。Simon 的签署理由："世界不能只被专有 API 控制，也不能让开放权重的开放开发与研究被封锁或禁止。"

⚠️ 本库此前只记录了对立的那一封——Pacing the Frontier（Anthropic + OpenAI + 约 1300 名前沿实验室员工，请求政府支持"有意识地放慢前沿"）。两封信在时间上相邻、立场上相对，签署方结构差异本身就是信息：一边是前沿实验室与其员工，一边是芯片厂、基础设施公司、开源生态与 VC。

⚠️ 训练数据出口：本页第一条以"人力构造的数据集"为标的的管制之争（All-In，2026-08）

来源：All-In / Google 人才外流、SpaceX 财报、Airtable（[01:05:37]–[01:12:40]）

本页此前记录的对华管制之争集中在两个标的：芯片（EUV、算力出口）与模型（封杀中国开源模型之争、蒸馏）。这是第一条以"训练数据、以及构造它所需的博士人力"为标的的。

事件

• Forbes 调查，标题大意为"这些美国创业公司正在让中国的 AI 更聪明"。
• 两家被点名：Surge 与 Mercor，估值均超过 200 亿美元。它们把训练数据集卖给 OpenAI、Anthropic、联邦机构，"同时把同样的数据集卖给中国顶级 AI 公司"——腾讯、字节跳动、阿里、Moonshot 等。
• ⚠️ 规模：报道称中国前六大 AI 实验室每年花 5 亿美元买 Forbes 所称的 "secret sauce"——博士撰写的内容、强化学习、知识管线。本库未独立核实。
• Jason 的利益披露："我在其中几家有投资，包括 Micro1。Micro1 的创始人没有参与卖给中国，他做了那个决定。"

Sacks：双重用途检验，以及一个他自己认可的正面例子

• 先设框架："我们得先决定我们的目标是什么。我们是要跟中国打一场全面经济战吗？如果那是目标，你可以持那个立场。"
• 历史规则："历史上的规则是，你要对具有双重用途——也就是有军事应用——的技术转移保持小心。"
• 他对数据的判断："我的感觉是数据在很大程度上是商品。数据标注当然是。如果你告诉他们不能用数据标注，我保证中国不缺劳动力去做数据标注。"
• 反制风险："如果我们禁止这些公司卖给中国，我们应该预期中国采取对等行动。也许是稀土。这两个国家并不是彼此完全独立的。"随即补："我希望我们尽可能独立和主权。我不想有任何依赖。但我们此刻确实还有一些依赖。"
• ⚠️ 他自己给的正面例子（本页最该记的口径）："我不反对我认为能打出效果的限制。比如我真的很高兴第一届特朗普政府限制了 EUV 光刻机对华出口。那大概是 2019 年，那是一个非常重要的决定。所以我认为有针对性的战略管制是有道理的。我只是要确认这一条真的达到了那个门槛。"
• 他反复回到同一组检验：这些数据真的专有吗？有双重用途吗？有军事应用吗？
• 对"中国造不出这些数据集"的反驳："他们每年毕业的数理科学毕业生比世界其余部分加起来还多，他们不缺聪明人。"

Jason：这不是标注，是把西方的知识打包

• 他描述的具体产物：这些数据集由美国专家创建，拿到的是有错误的 query——"当你对一个高度技术性的 query 打了差评（可能是代码，可能是生物和科学），是博士进去放进最新最好的内容，然后验证、再验证。这就是为什么我们从 LLM 里得到越来越好的结果。"
• 对 Sacks 的反驳："要做到这个规模，他们得雇西方最好最聪明的科学家和专家。所以基本上是西方的全部知识被打包进我们的 LLM，而他们把同样的包转卖给中国公司，这意味着他们追得一样快。我认为这和蒸馏一起，是他们在追上来的很大一部分原因。"
• 立场："我不觉得给他们这个优势是很爱国的事。我不会这么干。"
• 一句被顺带说出的移民问题："而我们在毕业之后把他们赶出这个国家。那是另一个问题，我们得把它修好。"

⚠️ Brad Gerstner：政治经济学上的"因为我们在赢，所以过关"

这是本节最该被单独引用的一段（[01:09:40]），因为它给本页所有对华政策讨论加了一个条件式的时间结构：

"这件事会惹恼华盛顿那些人——他们觉得这个、加上蒸馏、加上芯片出口，某种程度上都说得通——会让人怀疑我们是不是让中国实验室追上美国实验室追得太容易了。" "我不认为它会让我们改变对华立场，原因就是我们在赢。但如果总统某天问他的顾问'我们在跟中国的竞争里赢吗'，而他突然得到的回答是'不，我们不再赢了，他们追上了，他们超过了'——那这些事就会受到远比今天严厉得多的审视。我认为它们今天之所以能过关，唯一的原因就是我们还在领跑。"

• 他同时明确站在开放一侧："我们要最大化竞争。就我们今天所处的位置，美国在赢。我们的前沿实验室在赢，我们的开源在赢，而且我们的监管相当有限。"并提到习将在 9 月来访做双边会谈。
• ⚠️ 一手使用体验（本页又一条美方对开放权重模型质量的证词）："过去 60 天我一直在用 Kimi、Qwen 和 GLM 5.2——我的天，这些东西真好。"

⚠️ 本库标注：这条与本页 Sacks 的垄断伪装论 是同一政治经济学的两个方向——Sacks 说的是"有人有激励夸大中国威胁"，Brad 说的是"只要威胁叙事被官方接受，开放政策就会翻转"。两条合起来给出的是本页目前最有用的一条预测结构：对华政策的松紧不取决于数据/模型本身的性质，而取决于'我们在不在赢'这个判断在何时改变。

⚠️ 与"环境蒸馏不了"的互补与牵制

本页刚记录了 Simon Mo 的第三条轴：RL 环境没法被复制，也没法蒸馏模型在环境里是怎么学的。

这一节恰好是它的另一面：构造 RL 环境与高质量后训练数据所需的博士人力，可以被直接采购——而且据 Forbes 的口径，正在以每年 5 亿美元的规模被采购。

本库把这一对并列记为一条推论：不可蒸馏的东西，未必不可采购。

⚠️ 这也给本页此前的"中国怎么追上来的"这个问题补了第四条路径。前三条是：开源权重可下载、蒸馏输出、扩散的工程实践与人才回流。第四条是直接购买美国构造的后训练数据资产。⚠️ 四条的证据强度不同，本条完全依赖 Forbes 报道的转述，本库未独立核实。

一条小材料：硅谷 B2B 卖方怎么看中国消费电子（Retell AI，2026-08）

来源：李正韬 / Retell AI（月球大叔，2026-08-09）

在讲"长期生意必须质量优先"时，李正韬 举完 Apple、Tesla 之后主动补了一句（[00:55:31]）：

"中国公司现在也做得非常好。比如 Anker（安克）就是我们的客户。还有 DJI、Insta360，质量非常好。我甚至认为它们比很多美国和欧洲品牌更好。"

⚠️ 本页记录这条不是因为判断本身新（本库已有 阳萌（安克） 一整期从中方制造方讲硬件护城河），而是因为位置新：这是本库首次出现硅谷 B2B 卖方对中国消费电子的评价——说话人是一家美国语音 AI 公司的联合创始人，而 Anker 同时是他的付费客户（也是他点名的六家客户之一，与 OpenTable、Opendoor、Mercury、Lenovo、CVS 并列）。

可与本页两条对读：① 阳萌那期的"硬件护城河三层递进"是卖硬件的人讲自己为什么难被复制；这条是卖软件给他的人顺带给出的第三方观感。② 本页大量对华讨论集中在模型、算力与管制上；这条提示消费电子这条中美竞争最早分出胜负的赛道，在 AI 时代变成了美国 AI 公司的客户侧——中国厂商在这里的角色是采购方，而不是竞争者。

⚠️ 一条新的结构性差异：实习生与 knowhow 的扩散（刘洺堉 / NVIDIA，2026-08）

来源：张小珺 / 刘洺堉

来自 刘洺堉（NVIDIA 研究副总裁）在 张小珺第 150 期（[03:14:07]–[03:15:09]）。本页此前的中美对照集中在模型能力、开源流向、算力管制与产业配套；这是第一条以"知识如何在人之间流动"为标的的对照。

他的观察分两句：

• 美国这边："尤其这些 Frontier Lab，现在的状态就是他们很少去招收实习生，很多 knowhow、很多科研的结果都只有在他们自己本身内部的实验室有。"
• 中国这边："他们像这些公司都招收很多实习生，帮助把这些 knowhow 传递出去。"

⚠️ 他的定性是明确的正面：这对"人类整个知识扩增，就是 diffusion，我觉得是一件好事"。

这条与他本人的方法论一致，也因此更可信一些：他反复讲"研究的茂盛程度应该是根据 idea 多快从一个人的脑袋流到另外一个人脑袋去"（[00:01:11]、[01:01:31]），并说自己走业界这条路、不当教授，idea 的多样性正是靠实习生补的——他带过的 Tim Brooks（后做出 Sora）、余家辉、Jeremy Bernstein（Muon optimizer）都是实习生。

⚠️ 为什么本页要单独记这条

它给"knowhow 会不会扩散"这个问题提供了一个与蒸馏、开源权重都不同的第三条通道：人。本页此前的两条主线是——

通道	本页已有的材料
权重/蒸馏	蒸馏之争的第三条轴：环境蒸馏不了
数据	训练数据出口
人（新）	本节

而它同时是刘洺堉否定"一家公司遥遥领先"的论证基础（[01:17:45]）：人员流动 → knowhow 扩散 → 一家独大不是稳定态。⚠️ 按他这条逻辑推下去有一个本页应该点明但他没说的推论：如果美国前沿实验室系统性收窄实习与发表，那么它们在短期内会更能保住领先，但代价是本国生态的知识池变浅；中国这边则相反。本库把这标为推论，不是他的原话。

关联

• 与 西方开源 neo-lab 致敬中国开源研究：那条讲的是发表与开源的扩散，本节讲的是人的流动，方向一致。
• 与 AI 实验室文化 里 NVIDIA 的组织模式：他自己所在的机构恰恰是大量招实习生、开源模型与训练框架的那一侧，所以这条观察带有立场，本库照记。

机器人产业的本体环节：美国只有两家（刘洺堉，2026-08）

同一期（[03:22:13]）。本页 机器人赛道的对华判断 记录的是美方机器人公司之间的分歧；这是一条来自算力供给方、对产业结构的描述。

• 事实陈述："美国在做本体的公司很少，就 Tesla 跟 Figure AI"；中国"好多家公司在做这个本体"。
• 他的分析：做本体的公司能控制模型与软硬体的整合，操作空间更大；而中国强大的制造业构成优势条件，"可以让这些公司做一些在美国不容易做到的事情……这样的垂直整合会产生什么样的一个突破，我觉得还蛮有趣的"。
• ⚠️ 被追问"美国是不是不那么重视硬件、可能是错的"时他很谨慎："可能是错的，也很难说……如果说这种软硬体整合是一个机器人的一个趋势，那没有硬件当然是处于被动状态。" 他补充还要考虑金融模式。

他自己每年来中国 2–3 次（[00:03:13]），目的是理解 Physical AI 开发者的痛点，本次的观察是灵巧手方向进展非常快。

对中国模型的评价

（[03:14:07]）"非常的 impressive"，逐一点名 DeepSeek、千问、豆包、MiniMax、Kimi、MiMo、混元、智谱。⚠️ 他在讲模型能力收敛时（[01:13:45]–[01:14:45]）也把中国公司与美国前沿并列——"GLM、Kimi、Seed、阿里、混元、DeepSeek、MiniMax 这些公司都不断的在做突破，那慢慢的就是大家的模型的能力都会差不多"。他还说 Kimi 与 MiMo 都算比较晚出来的，但落后两三年的新公司仍然有机会，因为"算力慢慢就会起来"（[03:20:11]）。

⚠️ "美国的 AI 情绪是全球最低的"：本页第一条人口结构归因（Greg Brockman，2026-09-14）

来源：a16z / Greg Brockman

Greg Brockman 在 a16z 那期（[00:29:18]–[00:33:21]）。

• 事实性表述：主持人问为什么亚洲国家的 AI 情绪更高，Brockman 主动把范围扩大——"其实欧洲国家也是，哪儿都比美国高"。⚠️ 他没有给数据来源，本库照录为一条从业者对民调格局的转述。
• 他给的第一条解释（沟通失败）：这个领域和公司没讲清"你个人为什么受益"，只讲了"国家为什么受益"——尽管他同时说 AI"正在迅速成为美国最重要的战略优先项与资源"。他给出的沟通策略是讲个体故事（口袋里的老师/医生/律师/心理咨询师），并强调同时要告诉这些职业本身"你也拿到了这个工具"。
• ⚠️ 他给的第二条解释是人口结构，这是本页的新东西（[00:32:20]–[00:33:21]）：很多国家老龄一代远大于需要供养他们的年轻一代——"这该怎么运转？"——所以对技术潜力的倾斜更强烈。
• 为什么本页要单记这条：本页此前解释中美（以及中西）AI 态度差异的材料，落点基本在产业位置、监管路径、国家安全叙事上。"接受度差异来自抚养比压力"是一条完全不同类型的机制，而且它可证伪（可以去比对各国抚养比与 AI 支持率）。⚠️ 本库未做这个比对，只记录论点，不背书。
• 他对美国位置的限定（[00:33:21]）："我们处在如此特权的位置、以这种方式领先这个领域，这并不是必然的，将来继续如此也不是必然的。"
• ⚠️ 主持人（Ben Horowitz）一侧的产业政策论证，本库与嘉宾观点分开记（[00:33:21]–[00:34:24]）：禁数据中心会把它们赶到海外——"这就是 80 年代硅发生过的事"；数据中心创造蓝领制造业岗位（称 Switch 一家就以工会合同雇约 45,000 人）；主张"要求它是一个行为良好的数据中心"而非禁掉。收尾是一句立场鲜明的话：不能"跳出 AI 这盘棋，让中国或者别的谁来定它是什么样"。⚠️ 本库照录，并标注这是主持方而非嘉宾的表述，且 a16z 在数据中心与相关基础设施上有投资敞口。

⚠️ "中国为什么每轮收敛都特别慢"：一条先发期缺失的机制（曾鸣，2026-09-03）

来源：张小珺 / 曾鸣

曾鸣 在 张小珺第 153 期（[02:14:09]–[02:15:09]）。

• 机制：美国的先发企业有两三年的先发期，有一个"健康、酝酿 DNA"的阶段；而中国企业至少到这一轮为止，还是在美国原型上的快速跟进——

  "大家同时起步的话，就必然变成百团大战。因为大家看到的都是差不多的图像，然后都去硅谷把所有研究员都撸一遍，每个人都能挖一两个人，所以就相对容易出现同质化竞争。"

• ⚠️ 为什么本页要单记这条：本页此前解释中美生态差异的材料，落点多在产业位置、算力与出口管制、C 端 vs enterprise 的市场结构。"收敛慢来自先发期缺失"是一条关于时间结构的机制，而且它把同质化竞争解释成起跑方式的后果，而不是能力或意愿的后果。
• ⚠️ 他随即给了反例限定：即使如此，那些"认知比较深刻、早了一年或半年"的人，这一轮仍然跑在前头——所以这条机制不是决定论。
• 淘汰线（[00:35:41]）："今年年底谁如果跑不到 3T 的模型，估计谁就出局了"，他把它称作淘汰赛（8 进 4、4 进 2）。⚠️ 同段的公司名在本地转录里含混，本库不逐个认领，见视频页页首对照表。

⚠️ 对字节与豆包的判断：本页第一条"行为证据式"论证

（[02:05:59]–[02:07:00]）

• 拆成两半："字节是有很大的机会成为 AI 云公司的"（视频生成、多模态已是世界一流），"但是那个大的 2C 的应用是有非常大的不确定性的"。
• ⚠️ 关于豆包，他用的不是产品分析而是投入行为：

  "豆包肯定不是啊……要不然它肯定不计成本地往里砸了。它不砸了，就是因为豆包不够——不够那么未来。"

• 本页标注：这是一条从投入强度反推内部判断的论证。它可证伪（字节若重新加大投入即与之矛盾），但本库未核实其投入事实，只记录论证形式。
• 产品定性："豆包就是第一代 AI 产品，就是那个聊天机器人。豆包没有行动力。智能体的核心是独立完成任务。"
• ⚠️ "上一代路口很难成为下一代路口"（[02:07:00]、[02:10:01]）："你调的都是上一代的服务"，而上一代服务正是要被颠覆的对象；前置条件被他说得很硬——你必须自己先做成一个 agent，否则"你大概率不理解 agent 是怎么运行的，就没有办法提供那个基础设施、成为事实标准"。
• 腾讯与阿里（[02:07:00]）：社交关系"肯定重构"——"腾讯作为最安全的，为什么最近这么恐慌？就是因为也有可能不安全。" 历史对照是 QQ 没过渡到移动互联网，承接的是微信；阿里"一样有那个挑战"。
• 应用公司要不要自研模型（[02:15:09]–[02:16:13]）：他认为小红书一类公司做模型是为了补齐基础能力、为真正做应用时发力，"不觉得这两家公司愿意参加大模型作为基础设施的 API 工厂这样的竞争"；理由是下一阶段模型与应用技术的边界不清楚，"如果这一代断代太厉害，下一代不一定接得住"。⚠️ 他自己把这条标为开放讨论。

⚠️ "如果要出问题，它会在所有地方同时出问题"：一条对称性论证（Satya Nadella，2026-09-15）

来源：All-In / Satya Nadella

Satya Nadella 在 All-In 那期（[00:30:31]–[00:32:32]）。

提问方是 Sacks：Sam、Dario、Elon、Demis 都说要优先 alignment（可预测性、可靠性、健壮性）而非纯粹的 raw power——中国的实验室会跟进吗？

他的回答建立在风险的对称性上

⚠️ "为什么这个风险会独特到只有美国人在担心？这说不通。它不是那种会说'我只在美国出现'的东西。如果要出问题，它会在所有地方同时出问题。"

三条理由：中国同样会遇到黑客问题；中国同样希望自己的公民从 AI 获益；他们是超级大国。结论是"存在形成国际规范的可能性"，前提是把风险讲具体。

⚠️ 为什么本页要单记这条：本页此前讨论中美治理差异的材料，主线是出口管制、开源禁令、训练数据出口这类零和框架；这是本页第一条以"风险不分国界"为前提、指向国际规范的论证，而且出自一个在中国有实际商业敞口的美国公司 CEO。⚠️ 本库不对其可行性背书——它没有处理本页既有材料反复指出的那个问题：双方对"什么算风险"缺乏共同定义。

⚠️ 他把"美国特有"重新定义成优点

主持人追问：这场 doomer 辩论是不是美国特有的？

⚠️ "我们领先，而我们就是我们这样——我们争论、我们竞争、我们更透明，在我看来这些全都是美德。所以这场辩论发生在这里，世界会因此更好。"

他想要的是美国牵头制定规范，既让技术广泛扩散，又建立对世界（包括中国）都管用的安全标准。

⚠️ 本页标注：这条与本页 开源禁令的可执行性 以及 护栏误杀正在把美方基础设施开发者推向中国模型 构成一组值得并读的张力——Satya 主张"广泛扩散 + 共同标准"，而本页另外两条记录的是"限制性措施正在产生反向后果"。三条指向同一个判断：以封锁为主轴的路径，其代价在本页的材料里已经开始显形。

一条相关的商业侧表述

（[00:15:14]）在回答 token 价格崩塌时，他把 DeepSeek 的低价直接当作开源制衡生效的证据，并且是正面评价："开源的制衡是真实存在的。而这是好事。" ⚠️ 本页标注：这是本页第一次有美方超大规模云厂商一号位，把中国开源模型的价格压力表述为对自身生态有利。

⚠️ K3 与 DeepSeek V4 的定位分化：上限 vs 性价比（孙宇涛，2026-08-26）

来源：张小珺 / 孙宇涛

孙宇涛 在 张小珺第 152 期（[01:58:25]–[01:59:25]）。

• 他给的分化：DeepSeek 更强调性价比——同时有 1.2T 与一个更小的 size，"它们其实 Flash 的模型做得还是挺好的"；而Kimi 目前的主要精力是提升开源模型能力的上限，性价比不是首要考虑条件。

  配一条可核对的现象："K3 的 API 相当贵，比别的模型贵多了。"

• ⚠️ 他对"会不会持续分化"的回答落在组织而非技术上：

  "技术上这个东西不存在太多 debate，好就是好、不好就是不好，有明确的客观标准。但是对于组织、对于人，这个是比较模糊的。"

  "我觉得组织团队的走向，取决于人的选择。"

• 本页标注：本页此前讨论中国模型公司差异的材料，多落在算力可得性、开源策略与市场结构上。这一条把分化归因到"公司选择把资源投向上限还是投向单位成本"——而且它可证伪：两家后续的 size 与定价走向可以直接对照。

⚠️ 一条罕见的、来自中国架构研究者对"互相引用"的正面评价

（[00:18:24]）他称赞 K3 论文的写作方式——把前人的工作用可靠的方式引出来，"不会想办法去削弱之前一些人的贡献"：

"我觉得做一个公司比较科学的方式，如果你最后想把这个模型做好，你肯定是集百家之长。"

"因为无论如何，整个行业都是由大家集体推动的。"

⚠️ 为什么本页要记这条：本页大量材料围绕蒸馏之争、训练数据出口、开源禁令——即知识跨国流动的合法性与对抗性。这一条提供的是同一现象的另一面：一份中国技术报告因为如实引用了 Microsoft、NVIDIA、Qwen、字节 Seed、DeepSeek 等多方工作，而被一位中国研究者当作"科学"的正面例证。 本库把它记为一条关于引用规范而非技术归属的观察。

⚠️ 同期他也给了一条反向的注意力经济观察（[00:41:42]）："后来 MHC 比 HC 本身火很多，最重要的原因还是 MHC 是 DeepSeek 的。我觉得可能没有别的原因。"——同一个想法的传播度取决于提出方的品牌。本页把这两条并列。

⚠️ 美方供应链分析师的量化份额：中国"低于 10%"，2028 起拐点（Dylan Patel，2026-08-25）

来源：Dwarkesh / Dylan Patel

本页此前缺一份美方供应链侧的量化材料。Dylan Patel（SemiAnalysis） 给了一组（视频页）。⚠️ 全部为他/SemiAnalysis 的口径，本库无法独立核实。

• 份额的历史与现状（[00:35:02]）：2022 年美国占世界新增算力 45–50%、中国 30–35%；今天美国 70%，中国"低于 10%"。
• 今天靠什么（[00:36:04]）：2026 年中国主要还在靠走私芯片、靠 TSMC 为"他们以为不是华为、结果是华为"的公司做的芯片、以及 Samsung 出的 HBM。
• 拐点（[00:36:04]–[00:37:08]）：2027 年 fab 开始起来，2028 年尤其是 SMIC 与 CXMT，仅 2028 一年新增 5–10 GW 国产芯片；2028 年中国总量"30 GW 或更少"；2029 年做到 50 GW"完全合理"——但质量折价后"相当于美国芯片的 20 GW"。
• 变量：MATCH Act 是否通过、设备是否继续被出口管制、中国自产设备的爬坡速度。他的总判断是"中国一定会有一个曲棍球棒式的上扬，如果说中国有什么特别擅长的，就是极快地扩大制造规模"。

⚠️ 必须与上面并列的反向事实（[00:40:11]）：中国领先的实验室总共最多 100–200 兆瓦算力（ByteDance Seed 是显著例外），"Kimi 没有在跑一个 GW，也远不到"；而 Anthropic 今年底超过 5 GW。在这个悬殊的算力比下，中国模型"至少在公众可感知的层面上并没有落后多少"。 他自己问"那这重要吗"，回答是"我认为现在这个算力差距没那么重要"——解释是 AI 基础设施页 里那组 50/10/40 的拆分：单次训练跑不满，大部分算力花在研究上。

⚠️ Dwarkesh 当场改变了对出口管制的判断

（[00:38:10]–[00:39:10]）他自称 libertarian、采访黄仁勋时还在 steelman 反方，听完这组数字后说"我没意识到算力局面糟到这个程度……如果真出这个量，那出口管制算是一次值得记的成功"。⚠️ 他的原话带一个条件从句——"如果他们真出这个量"，本库保留这个前提。

Dylan 随即给了两条限定（[00:39:10]）：

• 不全是出口管制的功劳："美国的金融体系比中国的更愿意 YOLO 进创业公司；但中国的金融体系一旦选定一个产业，补贴力度会大得多——中国半导体产业的补贴显著多于世界其他所有半导体产业加起来。"
• 时间窗是关键："如果起飞没有你暗示的那么快、而是要更久，那中国最终会在半导体侧大幅追上，而那在某个时点就是算力。"

⚠️ "软件能追回多少制程差距"：本库迄今最严格的一次限定（肖志斌，2026-09-07）

来源：月球大叔 / 肖志斌

月球大叔 直接问了一个本页的核心问题（[00:58:54]）：一边是 2nm/5nm 芯片跑大模型，另一边只能用 7nm/12nm，软件层面能追回多少？ 肖志斌 的回答分三段（视频页）。

1. 物理差距（[00:59:54]）：7nm 与 2nm 的差别在同性能功耗（计算密度）与互联（SerDes speed），约 2–3 倍，且因 SRAM 在 5nm–3nm 不缩要打折。
2. 软件能拿回的两块（[00:59:54]–[01:00:55]）：PD 分离 + 低精度量化 + speculative decoding/MTP + runtime 调度约 2–3 倍；利用率从行业平均 30–50% 提到 80–90%。
3. ⚠️ 他立刻自我反驳（[01:00:55]）："如果是同样的（水平），我有 2nm 的芯片、你用 7nm 的芯片，我也能同样做这些软件优化。" ——软件优化能补上的是"对方没优化好"的差距，不是制程差距本身。

⚠️ 但他随后给了一条结构性的反向理由，本库认为这是本页迄今对中美对照最有价值的机制性解释（[01:01:55]）：

制程领先的一方不需要把软件做那么精细（芯片迭代快，而软件也有成本）；工艺受限的一方反而必须做更多系统级 co-design、做得更细，拿到的收益更多——代价是人力与资源成本更高。

月球大叔把它收成"这也就是很多资源受限的公司能够做出不错创新的原因"，他答"没错"。本页把它与 游凯超关于 DeepSeek infra 的一手观察 并列——后者是现象，这条是机制。

产业链的国别分布：一位芯片架构师的版本

（[00:28:34]–[00:29:34]）中美之间产业链最全：

• 美国：IP 与 EDA（Synopsys、Cadence、Mentor Graphics——"没有这三家基本上大家都没办法设计芯片"）、架构与设计。
• 中国：代工（中芯国际）、DRAM/NAND（长鑫、长存）、以及一批 EDA 与 IP 公司。
• 荷兰：ASML 的光刻机。日本：设备（东京电子）与材料。英国：ARM 的 IP。日韩各有 special 的环节。

EDA 护城河的两条解释（[00:27:34]）：① 多年大规模并购把无数小公司收拢合成；② ⚠️ 后端物理设计工具是与代工厂 co-design 出来的，与制造节点一起开发。

⚠️ 一条跨地缘政治的观察（[00:31:34]–[00:32:35]）：RISC-V 圈子里美国的 SiFive、台湾的 Andes、国内阿里系出来的一批创始人彼此多是校友朋友——"即使在中美地缘政治这么紧张的情况下，大家在开源这一块的合作还是非常多的。"

⚠️ 一条来自 17 岁的、带明确国族情感的模型偏好（苏廷浩，2026-08-19）

来源：张小珺 / 苏廷浩

本页的材料此前全是产业、技术或政策论证。苏廷浩（2009 年生，论文被 ICML 2026 接收）给了一条完全不同层次的（视频页）：

• Kimi K3 发布那天他"高兴了一天"（[00:49:26]）。理由是"我那时候以为国内或者开源模型需要几个月才能追上，但发现其实没有那么长的时间"。
• ⚠️ 他给的解释直白："我作为一个中国人，我当然特别希望国内的模型更好、国内的模型超越美国模型。真的高兴了一天。" DeepSeek 0731 发布时同样（[01:05:31]）。
• 他排的前沿实验室序列（[00:27:23]）：最好是 OpenAI 和 Anthropic；第二梯队是 Kimi、智谱、DeepSeek；"有可能是 Gemini，我还不清楚"。⚠️ 他本人反复声明"我没资格说这些"，本库照录这些自我限定。

本页把这条记为本库第一条来自青少年、以情感而非论证表达的国别偏好。 它与 Greg Brockman 说"美国的 AI 情绪是全球最低的" 构成一组有意思的对照——两条都不是技术判断，都是情绪读数。

---

⚠️ "开源模型市场 95% 到 100% 是中国的"：来自美方芯片侧的定性（Sean Lie，Cerebras CTO，2026-09-02）

来源：Latent Space / Sean Lie（[00:40:18]–[00:42:20]）

主持人先起了个头——最近有个模型在 OpenRouter 上表现很好，而且根本不跑在美国芯片上。Sean Lie 的回答：

• 事实判断："开源模型市场 100% 是中国的。嗯，差不多吧，95%。" 大部分被认为高质量的大型开放模型都来自中国实验室。
• ⚠️ 他把话说得很平衡："在某种意义上，这种分享正在发生、全球社区因此受益，这是好事。" 但也明显是一个战略上很难受的位置——对模型有这么深的依赖。
• ⚠️ 他指出的第二层，本页此前少有材料：与此独立地，支撑这些中国模型的硬件基础设施也在背后慢慢建起来。
• 他的结论（[00:42:20]）："这不是一家公司或一个 fab 能解决的，需要政府层面、国家利益层面的行动。" 他自陈 Cerebras 一直在推动、也支持任何维持美国主导地位的举措。⚠️ 他同时加了一句 "这不容易，那些人很懂行"。

⚠️ 这条给本页既有的两条材料加了一个量化的上界和一个新维度：

• 量化：Andrew Feldman 在 2026-07 的说法是"美国需要更多本土开源模型，现在只有 OSS 12B 或中国模型"；Sean Lie 在两个月后把它量化成 95–100%。
• 新维度：本页 护栏误杀正在把美方基础设施开发者推向中国模型 讲的是为什么美方开发者在用中国模型（Simon Mo）；Sean Lie 讲的是这个格局在硬件侧的延伸——模型的依赖会顺着推理基础设施往下传。

---

⚠️ "trust but verify"：把 eval 当作中美核查语言的设想（Vals AI，2026-09-09）

来源：a16z / Vals AI（[00:33:25]–[00:36:26]）

他对主权 AI 的批评

⚠️ 这是本页目前对主权 AI 最直接的一条负面论证，而且来自一位自陈理想主义的第三方评估者：

"从我非常理想主义的视角，我对主权 AI 上投入这么多感到意外。从上帝视角看，重复建这些数据中心、重复这套数据工程、重复训这些超大模型，都是极其低效的，本来可以把很多努力合并起来。但世界显然不是那样，而且建设主权 AI 的努力还在增加。"

⚠️ 本页此前的主权 AI 材料（All-In 2026-07-11）是把它当作既成趋势讨论的；这条第一次从效率角度质疑它本身。⚠️ 同时应并读一条方向相反的定义：Ramin Hasani 把"企业乃至每个人拥有自己的模型"称作 sovereign AI 的真正含义并视为方向（Liquid AI 期 [00:45:26]）。本库并列不裁决——两人说的其实是同一个词的两个层级：国家 vs 组织/个人。

⚠️ 他给的对策：eval 作为核查语言

• 核武类比：里根的 "trust but verify"。核军控之所以能运作，是因为既有共同语言（"你有多少弹头"），也有核查手段（侦察飞越）。
• ⚠️ AI 现在的状态：有了信任的苗头（他提到中美元首下月会面），但完全没有做核查的清晰办法。
• 结论：如果真担心 AI 的社会性乃至存亡风险，就必须先构造出这套共同的评估语言，才能做核查。
• 可行的第一步（[00:35:26]）：网络安全上已经有很多讨论，生物安全会越来越重要——这些地方存在互相对齐的共同利益。
• ⚠️ 但他认为长期最关键的仍是 RSI（[00:36:26]）：那是一个国家或一家公司可能直接跑掉、产出我们一无所知的模型的地方。需要共同的方式来描述"这是我们能接受的推进速度"或"这已经超出了"——"这正是很多闭源实验室的研究员今天在呼吁政府间对话的原因"。

⚠️ 一条几乎完全对应的设想来自 Ajeya Cotra（Dwarkesh 期 [01:41:29]）：她设想的是一个中美共同训练、训练过程被彻底审计过的开源"瑞士 AI"，进入双方各自的系统做核查、只回传比特。

⚠️ 本页标注：两人从完全不同的位置（商业评估公司 vs 安全评估机构）独立提出了同一类机制需求——可核查的共同技术语言。本库认为这是 2026-09 本页最值得跟踪的一条新线索，但两条都停留在设想层面，目前没有任何一方给出可操作的方案。

---

⚠️ 视频模型上的中美差距：来自美方从业者的直接承认（Runway，2026-09-25）

来源：Latent Space：Runway 的世界模型、机器人与神经操作系统

⚠️ 本页此前记录的差距判断多集中在语言模型与开源权重。这是第一条来自美方一线从业者、关于视频/生成媒体的表述（[01:22:00]–[01:23:00]）：

"如果你看视频模型的排行榜，现在前 10 到前 20 名里大多数是中国模型，来自美国或西方的只有寥寥几家。"

主持人的补充是"我们在图像上还行，视频上非常落后"。

⚠️ 他拒绝"那就蒸馏它们"

（[01:23:00]–[01:24:01]）主持人半开玩笑地说"那是免费数据，文本侧他们也这么干，我们在视频侧反过来做就是了"，他的回答是那是被对方性能封顶的悲观路线：

"我认为我们目前完全有能力不靠蒸馏就训出很好的模型。"

⚠️ 本页标注：这与本库记录的中方对蒸馏的态度构成一组有趣的镜像——双方都把"蒸馏对方"当作可行但不体面的选项，并各自给出"我们不需要"的表态。

Cosmos 联盟作为回应

（[01:20:59]–[01:22:00]）与 NVIDIA 共同发起，形式可以是开源权重发布、衡量物理的 benchmark、或基础设施，目标是"让刚入门的开发者和研究者也能对世界模型这个领域做贡献"。

---

⚠️ 禁令的执行性问题与人才流向：Bernie Sanders 法案的三种后果（All-In，2026-09-26）

来源：All-In 第 290 期

• 法案的形态（[00:53:48]–[00:54:48]）：Sacks 说按其对 ASI 的定义，可以论证我们已经越过阈值，且对违法开发者设 20 年监禁——"想想那个寒蝉效应。"
• ⚠️ 四人一致的推论是外流而非停摆（[00:54:48]–[00:55:48]）：Sacks——"民主党想对 AI 做他们对加密货币做过的事：把整个行业赶到境外。"Friedberg 与 Jason 都说自己的第一反应是搬去新加坡或苏黎世。
• ⚠️ 本页此前缺的一条人才流向记录（[00:55:48]–[00:56:48]）：Jason 提到习在白宫讲话说邀请 10 万名美国年轻人来中国，并给了一句方向性判断——

"把全世界最好的科学家、思想家、数学家请到美国来，那是我们的剧本。中国在用我们的剧本。"

⚠️ 本库只记录这条转述，不核实讲话内容与措辞。 - Sacks 的历史类比（[01:05:48]–[01:06:49]）：中世纪中国文明远比欧洲先进，有史学家把转折点归到某位中国皇帝禁止造船这一决定；"如果我们做 Bernie Sanders 那件事，那就是在禁造船。"⚠️ 本库标注这是一个被广泛引用但史学上有争议的叙事，只记录不背书。 - Sacks 的另一条（[00:46:41]–[00:47:41]）：前沿实验室游说监管的自毁性，部分正因为很多开源模型来自不受美国管辖的中国公司，而中国方面已经明确表示不会放慢。

---

⚠️ 路由服务的数据成为蒸馏的关键输入：一条来自开源侧的机制描述（2026-09-11）

来源：Dwarkesh 三人辩 RSI

⚠️ 本页此前关于"中国实验室怎么追"的材料都停在"蒸馏"这个词上，这是第一份讲清楚"蒸馏最难的是什么、以及那部分从哪来"的材料。

• ⚠️ 机制（[00:20:47]，Beren Millidge）：有一批路由 / 代理服务，本是为了让中国境内能用美国前沿模型（主要是写代码），而它们在收集并出售这些数据。 为什么这很关键：蒸馏最难的不是拿到权重或思维链，而是"用什么 prompt 去问"——⚠️ "这是一个非常有用的数据集，因为它给了你完美的 prompt 分布。"
• ⚠️ 由此给出的可检验预测："前沿实验室在 RL 环境上的优势现在可能已经很小甚至没有。"
• ⚠️ 整场对话的起点是一条必须标注为单方断言的排序（[00:22:51]）："Sonnet 5 和 Opus 5 几乎客观上不如 GLM-5.3 和 Kimi K3，尽管前者能做蒸馏、甚至能从 Mythos 做 logit 蒸馏。" 本库不采信这个排序本身（无评测支撑，"客观上"三字原话里就带保留），但记录它，因为后面所有关于"prompt 分布 vs RL 环境谁更重要"的推理都建在它上面。
• ⚠️ John Schulman 给了替代解释（[00:24:58]–[00:27:03]）：不是 prompt 分布，而是"难度轴 vs 真实性轴"——naive 蒸馏只在 benchmaxxing 分布上追平老师；大模型更能从窄而难的任务泛化到真实任务。本库并列两种解释，不裁决。
• ⚠️ 一条更朴素的追赶理由（[00:27:03]）："前沿实验室的数据是从大数据公司买的，中国实验室可以买同一批数据……如果数据一样、又能蒸馏，那追上来其实挺容易。"
• ⚠️ 部署数据这一侧他说得更直接（[00:41:45]）："我不知道那些实验室做不做（拿部署数据训练），因为它们声称不这么做。但中国那边 100% 在做。"
• ⚠️ 一个反向的代价：单一栽培（[01:26:58]，John Schulman）：因为太多人在蒸馏（而且多数从 Claude 蒸），所有开源权重模型的写法都像 Claude、带同样的 tics——"这让我挺担心的。" 本库把这条与本页"开源模型 95%–100% 是中国的"并列：⚠️ 如果这两条同时为真，那么全球开源生态的风格与倾向，同时被"中国在训"和"从 Claude 蒸"这两件事塑造。

⚠️ 第一条"有规模的公司从前沿模型迁到 GLM"的一手轶事（2026-09-18）

来源：a16z 2026-09-18

⚠️ 本页此前记录的"DeepSeek 时刻""Kimi 时刻"都是发布事件，这是第一条采用侧的证据（[00:55:21]–[00:56:21]）：一位在二十几家公司董事会里的 a16z 主持人说——"上周第一次有一家有规模的公司说，他们正从前沿模型迁到 GLM。这是一个很大的工程组织。"

⚠️ 他自己先给了合理的怀疑："记得第一次 DeepSeek 时刻和 NVIDIA 股价，后来发现不是真的；然后 Kimi 时刻、又一次 DeepSeek 时刻，似乎都没对市场产生可观察的影响"——"但现在我手上这些轶事相当真实，而且看起来正在发生。"

• ⚠️ Ghodsi 的回答把它一般化，而不是确认"替代"（[00:56:21]–[00:57:21]）：人们两个都要——难任务要最新最聪明的模型，但也有大量平庸琐碎的事（"人们真的会用自己的 harness 去重命名文件"）。实际做法是 expert 模式（小而便宜的开源模型调用大模型，或反之，或互相乒乓）+ 多路复用 harness。
• ⚠️ 本页最该记的一组比例（自述，未核实）（[00:57:21]）："按美元算，开源大约 5%，非常少；但按 token 数算，超过 60%。" 另有产品侧对照：像 Decagon 这类公司"对外产品侧几乎到 90% 开源"，而内部使用则"不在乎成本、直接用前沿"。
• ⚠️ 本库标注：这组"美元 5% / token 60%"的落差，比任何单一榜单都更能说明中美开源模型在产业里的真实位置——它们承担了大部分工作量，却只拿到很小一部分收入。 与本页「开源模型市场 95% 到 100% 是中国的」（Sean Lie，2026-09-02）一节一起读。

⚠️ 出口管制"是一场无限游戏"：来自 Arm CEO 的版本（2026-09-03）

来源：No Priors / Rene Haas

⚠️ 说话人位置在本页是新的：Rene Haas 领导的 Arm 不是美国公司（总部英国，他给的员工分布是约 30% 美国 / 40% 英国 / 30% 亚洲），但他明确以美国公民身份回答（[00:25:24]）。

• 他支持的部分：美国需要更多 fab，理由是国家安全与供应链多元化两条。历史类比是 1980 年代日本在内存定价上的攻势与美国的 Sematech——⚠️ "然后互联网来了、SaaS 成了风口，人们差不多忘了半导体是一项具有战略重要性的资产。"
• ⚠️ 他不接受的部分（[00:27:25]）：把"限制芯片以免中国赢下竞赛"称为一场无限游戏，"我认为这场竞赛不会有一个赢家"；⚠️ 他真正担心的不是谁赢，而是"你可能走到一个局面：大量关键技术不在美国。那不会是好事。" 他反驳"东西会更便宜"的方式是：处于技术前沿不只驱动创新，还驱动生态系统（拿 1950 年代底特律与周边各州的配套产业作例）。
• ⚠️ 他最斩钉截铁的一句（[00:31:30]）："从第一性原理讲……当领导者没有任何坏处。会有你不喜欢的二阶、三阶效应，但当落后者，是整个剧本由别人来给你写。" 对照是世界上那些在这个领域不是领导者的地方，"经济上和社会上都被落在后面，而政府背着很重的税负"。
• 与本页既有材料的关系：⚠️ 他的"无赢家"判断与本页「美方供应链分析师的量化份额」（Dylan Patel，2026-08-25）一节并不冲突——Patel 谈的是可测的份额与拐点，Haas 谈的是"竞赛"这个框架本身是否成立。

⚠️ 开源即软实力：一条把 LLM 与好莱坞并列的论证（Richard Socher，2026-09-14）

来源：Latent Space 2026-09-14

⚠️ 本页此前的开源讨论集中在成本、许可与能力，这条补上了叙事权这一维（[00:15:11]–[00:16:12]）：

• 他支持开源的两个理由：安全上"即使在最坏的攻击情形下，让更多好的行为者拿到更多不同类型的 AI 也是更好的"；⚠️ 以及"世界其他地方需要一个不是来自中国的答案"。
• ⚠️ 他的类比：好莱坞电影本身带宣传成分（"一半的《壮志凌云》大概是美军掏钱的"）；LLM 是同一类软实力，而且更深——⚠️ "一个孩子问 LLM'我长大该做什么，讲个励志故事'——这些都是很微妙的东西。"
• 他还给了一个尚未公开的预告："我还不能宣布，但 Recursive 很快会在这个（西方开源）领域里变得相关。"
• ⚠️ 本库标注一处张力：他在同一期里欢迎"对齐的多样性"（希望不同社会把 AI 对齐到不同价值，"这样我们至少不会有一个对齐的单一栽培"，[00:14:10]）；而 John Schulman 在三天前担心的恰是因为大家都从同一个模型蒸馏而产生的风格单一栽培。两者说的是不同层面的 monoculture，但放在一起能看出"多样性"这个词在业内被用在两个相反的诉求上。

⚠️ 国产芯片：把"能用"和"够用"分开（SemiAnalysis，2026-10-02）

来源：Latent Space / SemiAnalysis ClusterMAX 3.0

⚠️ 本页此前关于国产算力的材料大多停在"有多少兆瓦"这一层（Dylan Patel 2026-08 给的"中国领先实验室总共最多 100–200 兆瓦"）。这一期把同一判断换成了芯片产能口径，并且明确把两件事分开：这些芯片能不能用，和能不能产够。

"能用"侧

• ⚠️ 华为的节奏（[00:53:34]）："华为的芯片变好的速度确实快得多。有一阵子，基本上在被美国政府禁了之后，它们花了几年时间重置——Ascend 910B 和 C。但现在它们相当快地连发了 940、950 和 960。"
• ⚠️ 一条可核的一手数字（[00:53:34]–[00:54:36]）："GLM 明确说过，它们有 5 万块非 NVIDIA 的芯片——中国制造的 AI 加速器——用于它们最新模型的推理。"
• 名单（[00:54:36]）：Cambricon、Iluvatar、Enflame 和其他好几家——"它们都在往上爬。显然它们比 NVIDIA 落后。华为肯定是它们里面最好的。"⚠️ 以及一句本库无法确定还原的："'BU' 正在把它的芯片业务拆成一家完全独立的公司"（字幕只有两个字母，本库不猜）。
• SemiAnalysis 自己的动作（[00:53:34]）：试图租到这些芯片来测性能、看规格与制造产能，并"把它们拿到我们俄勒冈的逆向工程实验室做逆向工程分析"。
• ⚠️ 一条很值得记的机制，本页认为它是 CUDA 护城河这条线上最新的一次表述（[00:54:36]）："随着前沿模型、甚至现在的开源模型越来越会写 kernel，移植东西变得越来越容易，所以最终你会有更多的多样性与异构性——而这正是 NVIDIA 转向每年发新芯片、新系统这种超快节奏的原因，因为它们知道必须以光速跑，否则会被追上。因为 CUDA 的护城河正在被快速侵蚀。"

⚠️ "够用"侧：本页认为这组量级对照是本次最该被引用的一条

（[00:55:40]）技术员侧先把问题拨回产能："但这只是产量问题。这些芯片今天确实能用，但它们产不出足够的量来真正服务全部的国内需求。" 随后给出的对照是：

• 按 H100 等效或 GB200 等效算："NVIDIA 在做几百万几百万片，Google 在做几百万几百万片，Amazon 在做几百万几百万片，AMD 在做几百万片。"
• ⚠️ "但你看中国公司，真正只有华为连毛片都过了一百万片。而华为的芯片是落后的，所以你还得为此打折。其余所有人还都在十万量级，而扩产非常困难，尤其考虑到出口管制。"
• ⚠️ 预测："我认为中国会在明年和后年快速扩产。它们到 2028 年会做到甚至几千万片。但这确实需要时间。"
• 主持人给的注脚本页记为立场而非事实："别忘了它们是第一个在这件事上有国家级规划的。它们一旦跑起来，就会以我们人类历史上从没见过的真实规模跑起来。"

⚠️ 本页的三条标注

1. ⚠️ 这组数字与 Dylan Patel 2026-08 那期的兆瓦口径 出自同一人、同一机构，不构成独立验证。 本页同时提醒他在那期给过的两条反向限定："在这个悬殊比例下中国模型至少在公众可感知层面并没有落后多少"、"中国半导体的补贴比世界其他所有国家加起来还多"。
2. ⚠️ "能用 / 够用"这个切分本身有价值，而它的两头指向相反的结论：能用侧（910B/C → 940/950/960 连发、GLM 的 5 万块推理卡、kernel 移植变容易）支持"追赶在加速"；够用侧（只有华为过百万毛片、其余十万量级、还要为落后打折）支持"短期内无法替代"。⚠️ 本页不裁决，但认为任何只引一头的说法都是不完整的。
3. ⚠️ "5 万块国产加速器用于 GLM 最新模型推理"是本页目前最接近可核的一条国产部署数字，因为它被归因为厂商自己的公开说法。本库未独立核实，但记为后续巡检时应优先回查的一条。

⚠️ 视频模态上的"可训练数据边界"差异：一条来自消费侧的归因（a16z，2026-10-05）

来源：a16z / Top 100 Consumer AI Apps 第七版

⚠️ 本页此前的中方优势归因几乎全在工程效率、成本结构与人才密度上。 ✅ 这一条归在别处——可训练数据的法律边界——而本页认为这是一条此前较少被明说的归因，值得单记并长期跟踪。

• ⚠️ 原话（[00:34:24]–[00:35:24]）：Olivia Moore 把视频称作"狂野的前沿"，理由是："能在任何数据上训练的中国公司有真正的优势。视频生成实在太复杂了——视觉、声音、视觉与声音同步、还要看起来是特定的样子。我觉得数据越多训得越好。它们到目前为止在那里很成功。"
• ⚠️⚠️ 本页的标注有三条，因为这条论断的证据等级不高：
• ⚠️ 她没有给任何具体公司、具体模型或具体榜单位置作为支撑，这是本期该节唯一一条完全没有配数字的判断。本页记为立场，不记为事实。
• ⚠️ "能在任何数据上训练"是一条关于法律环境的断言，而她没有展开。✅ 本页提醒：本库在版权线上已有的材料（15 亿和解与"竞争性使用"）说明美国侧的边界本身正在诉讼中被重新划定，所以这条对照的两头都在移动。
• ⚠️ 它与本期同一节的另一条判断方向一致但来源不同：音频侧的垂直玩家（Suno）之所以跑出领先，她给的理由也是法律成本——"在这个时点上，让实验室去处理 Suno 不得不走过的那一整套 IP 麻烦、再发一个竞争性的音乐模型，这说得通吗？" ✅ 本页认为真正该记的是这个共同形状：在生成式媒体这几个模态上，法律风险正在充当一条竞争变量，而它既能为垂直公司创造窗口，也可能构成国别不对称。本库此前只把版权当成风险，没当成竞争变量。
• ⚠️ 本页不据此调整任何既有判断，但把它列为巡检时应优先回查的一条：⚠️ 如果这条成立，它应该能在视频模型的公开评测与消费榜单位置上留下痕迹；本库目前没有这方面的材料。

⚠️⚠️ 攻击能力上，开放权重与前沿闭源同分——这对"前沿领先 = 防御优势"是一条反证（Kevin Mandia，2026-10-06）

来源：a16z / Kevin Mandia

⚠️ 利益相关：投资方频道访问被投公司，数据全部自述、本库未核实。详见视频页页首。

⚠️⚠️ 本页上文那组"若中国先有 Mythos 级/前沿模型"的攻防竞速讨论——包括 Onyx 的 Maxim Bar Kogan 那条"若中国有 Mythos 级模型而你没让企业提早准备，回头看是巨大错误"的警告——都隐含一个前提：前沿模型的能力领先在网络攻防上构成实质优势。 ✅ 这一条是本页第一份对该前提的直接反证，而它来自一个在做这件事的人的内部测试。

• 测试构造（[00:29:21]–[00:31:21]）：20 条完整 kill chain，来源是"人在真实世界里、在不同受害者站点上实际做过的"。
• ⚠️⚠️ 结果："我们没有一个模型走完超过 8 条完整 kill chain。" 而他自己标为"怪事"的那一条是——"我们测了开放权重的那些，和最先进的闭源模型。它们全都是 8 条。"
• ⚠️ 差距落在哪里："全部差别就在速度和成本……我们让开放模型跑得更久一些，它们到了同一个地方。" 成本上不一样。
• ⚠️ 他的概括："在网络安全这个领域，闭源与开源之间的区分没有别的领域那么大，而且它在被压缩。"
• ⚠️⚠️ 而他由此否定了"为了网络安全该放慢模型"（[00:06:06]）："所谓'我们放慢模型吧，我们不想网络风险太晚'——开放模型已经足够好了，而这些东西现在很常见。"

⚠️ 本页的三条标注

1. ⚠️⚠️ 引用这条时必须带上 8/20 这个绝对水平。 两类模型都远没走完完整攻击链，所以"同分"也可以读成"同样都不够"。 ✅ 这个歧义期内没有被处理，本页也不裁决——但只引"开源闭源一样"而不带绝对水平，会把一条"双方都还弱"的数据读成"开源已经追平"。
2. ⚠️ 适用范围被他自己限定在网络安全这一个领域，而且他给了机制性理由（[00:06:06]）："我们不需要最花哨的模型……那是代码，那是一门结构化的语言、一个结构化的过程。因为它是结构化的，AI 会非常擅长它。" ✅ 即：他认为攻击之所以不吃能力差距，是因为任务结构化程度高。本页标注这条推理同时也给出了它的边界——在非结构化、需要通才能力的任务上，这条结论不该被外推。
3. ⚠️⚠️ 本页记下一条与它配套、但指向完全不同的变量：他认为犯罪侧 AI 攻击尚未爆发的闸门不是模型，而是算力的匿名可得性——"你一旦有了 GPU 的匿名可得性，你就会看到多得多的犯罪攻击。" ✅ 本页标注：如果这两条同时成立，那么在网络安全这个领域，管制的有效作用点既不在权重也不在能力，而在算力采购的身份核验。 ⚠️ 这与本页已有的出口管制/权重管制讨论是不同的作用面，本库认为值得单独跟踪。 详见 LLM 安全。

⚠️ 一条来自硬件侧的依赖口径：美国可再生能源供应链"在中国有很深的依赖"（Pat Gelsinger，2026-10-09）

来源：a16z / Pat Gelsinger（前 Intel CEO，现 Playground Global GP）

• ⚠️ 他是在列美国扩能源容量的三条供给侧约束时给出这一条的（视频页 [00:44:33]）："不幸的是，我们所有的可再生都在中国有很深的依赖，这对我们很不幸。" 同一段里另两条是"美国上一座并网的核反应堆是 20 年前"（"我们就这么停掉了一个很有能力的产业"）与"燃气轮机的交期现在只有八年"（⚠️ 反讽，本库照录）。
• ⚠️ 他给这条的语境是一条他反复讲的命题："在一个 AI 数字时代，能源容量等于经济容量"，而美国的国家能源容量在 10–15 年里基本走平（下线煤电与新增可再生相互抵消），现在约每年 4%（[00:42:32]–[00:43:32]）。
• ⚠️⚠️ 而本页认为这条在中美对照上的意义不是那句依赖本身，而是它所在的因果链的终点：⚠️ 他这一期第一次把能源约束配上了一个可观察的金融后果——"你会看到越来越多的违约（defaults）发生在很多那些数据中心项目上，因为能源不会在那儿。" ✅ 本页标注：如果这条成立，那么本页长期讨论的"美国用算力领先、中国用能源与制造领先"这组对照，会有一侧在未来几年出现可计量的证据，而不只是口径之争。
• ⚠️ 本页的三条限定：
• ⚠️ "所有的可再生都在中国有很深的依赖"是一句未限定范围的概括（光伏组件？电池？稀土？逆变器？），⚠️ 全期没有给出任何具体环节或比例，本库不补、也不把它当作可引用的数据。
• ⚠️ 三条供给侧约束均为他口述，本库一条未核实。
• ⚠️ 利益相关：⚠️ 他自述投了一家核电公司（名字字幕残缺，本库不还原），而"核电作为基荷是极好的东西"正是他在同一段里给的落点。 ✅ 本页按既有口径把这一整段记为立场而非事实，技术细节见 AI 算力与基础设施。

⚠️⚠️ "开源模型是它所携带的那套基础设施的特洛伊木马"：本页第一条把开放权重与供应链锁定连起来的论证（Misha Laskin，2026-10-09）

来源：No Priors / Misha Laskin（Reflection AI 联创兼 CEO）

⚠️⚠️ 利益相关前置：⚠️ 他是一家刚发布第一个西方开放权重模型的实验室 CEO，所以"西方需要自己的开放权重"这个结论正好是他的商业前提。 ✅ 本页按既有口径处理：收录机制性论证，⚠️ 对中国实验室的三条指控与全部份额数字一律标为自述未核实。

⚠️ 一、他的起点是一句本页认为很反常的肯定

• ⚠️ 那句话（视频页 [00:35:35]）："中国出来一个很好的开源模型生态，对世界其实是巨大的好处。西方有那么多公司因此建起了更持久的生意。所以某种意义上它是很正面的一件事、是一份礼物。"
• ⚠️ 他给的反事实是"高木必摧"效应："你可以想象一个这种事没发生的世界，然后就根本没有开放模型。而且会有一种高木必摧（tall poppy）的效应——如果你是应用开发者、你建了个很棒的东西，那它就会被一个闭源模型提供方吸收掉，因为那是生意、它需要产生收入。"
• ✅ 本页认为这句肯定比他任何一条指控都更该被记住，因为它来自最有动机贬低对方的位置——⚠️ 而它同时是一条可被本页既有材料检验的断言：如果中国开放权重确实支撑了一批西方应用公司的毛利结构，那它应该在这些公司的成本口径里留下痕迹。
• ⚠️ 而他的真实关切是极数而不是国别，本页认为这个区分很重要（[00:36:36]）："你不想要一个在任何给定维度上单极的世界。如果（闭源）是 10 家、20 家，那没问题，你有一个竞争生态；但只有一两家，那就有点可怕了。类似地，你不想让所有人在想要拥有时去构建的那个智能来源只来自一个国家。理想情况下也是 10 家或 20 家，但资本支出非常高，所以至少两个就很好了。"
• ⚠️ 他明确否掉了"西方 vs 中国"的框："它不太像是西方对中国这件事。更多的是：如果除了中国之外还有另一个国家，所有好的开放模型都从那儿来，你大概也会想要一些竞争张力。竞争张力就是好的。"

⚠️ 二、他列的三条中国实验室优势（均为自述，本库未核实）

• ⚠️ 蒸馏（视频页 [00:37:37]）："他们确实以工业规模蒸馏闭源模型。这是真的。"
• ⚠️ 数据与监管："他们有接触到便宜得多、而且免费的数据——因为你可以直接训练在中国算 OK 的受版权保护的 PDF 上。就是不同的监管。"
• ⚠️ 国家支持："存在一种说法是那些公司确实有一些国家支持，不管直接还是间接——你知道这些公司有很长时间是不产生任何收入的。"
• ⚠️ 主持人的概括是："我一直觉得中国开源基本上是中国政府对美国企业、或者说对西方企业的一笔补贴。" ⚠️ 他的回应是 "对，正是"。 ✅ 本页标注：这条概括是主持人提出的，嘉宾只做了附议，本库不记成他独立给出的论证。
• ⚠️ 而他对中国实验室的当下状态给了一条"已经是生意了"的判断（[00:37:37]）："现在这些公司正在变成生意……而虽然模型在海外是开放的，在中国境内它们算是这里闭源模型实验室的对等物。所以那里有真实的生意在被建起来，而我认为它们会继续造出很好的模型。"

⚠️⚠️ 三、"为什么还要在西方保持开放"：他给了两条机制

• ⚠️ 第一条是市场结构，而他指出的那个不对称本页认为值得记（视频页 [00:39:39]–[00:40:41]）："中国某种程度上是一个 captive market（受保护的市场），你可以建开放模型，同时在那个市场里还赚很多钱。"
• ⚠️⚠️ 那个不对称是："在西方有很多很好的公司并不建开放模型，但把它们服务出去给各种公司。而我并不太清楚这种动态在中国也同样在发生。你会以为它应该——为什么不呢？所以那里有点有意思的东西：开放模型提供方在那个国家某种程度上就是智能提供方。"
• ✅ 本页标注：这是一条可被检验的结构性观察——中国境内是否缺少"不自建模型、只做开放权重服务"的中间层。 ⚠️ 他自己用的措辞是"我并不太清楚"，所以本页记为观察而非断言。
• ⚠️⚠️ 第二条是地缘，而这是那个比喻，本页认为这是本期最该被长期引用的一句（[00:41:42]）："我有一种想法是，开源模型是它们所携带的那套基础设施的特洛伊木马。所以你有一个开放模型，但光有它并没什么用。于是你就买进了某个国家的整个软件生态和基础设施生态。"
• ⚠️ 他给的前提是一条普遍国家利益（[00:40:41]）："作为一个国家——对美国、中国、以及任何有这种能力的国家都一样——你想要别的国家建在你的东西上。" ⚠️ 历史类比是 5G 光纤布设与一带一路："当你进去给另一个国家提供某种便宜的东西，然后它被锁进你的基础设施。" ⚠️ 主持人补的类比是稀土（"你有一个别人会用于各种用途的部件，因此你通过它拥有地缘杠杆"）。
• ⚠️⚠️ 而他给的路径很具体，本页认为这是这一节最可跟踪的一条："所以今天也许某个美国盟国 X 会在美国芯片上跑一个中国模型；但很快——如果不是已经，而我们其实已经在看到了——像华为这样的中国公司会进来提供一个全栈方案，然后把那个国家的供给锁进去。"
• ⚠️ 他的框架类比是铁路："如果我们把 AI、或者说芯片和数据中心，几乎当成铁路这样的根本基础设施，而别的国家没法自己建铁路、他们都得来找你，那你就有很大的地缘杠杆。"
• ⚠️ 而机制上他点了端到端协同优化（[00:42:42]）："这些栈正在实时地被端到端优化，因为某种意义上范式已经定下来了……所以现在整个栈都在被优化。"
• ✅ 本页标注：这条机制与他自己的商业模式是同一件事的两个用途——⚠️ "光有权重没用、你还得买周边"既是他赚钱的方式（见 开源与开放权重基础设施 第三节），也是他对竞争对手的威胁判断。 ✅ 本页认为这一点让这条论证更可信而不是更不可信：他是在描述自己正在执行的那套机制。

⚠️ 四、中国的技术位置，与他对美国位置的自我定位

• ⚠️ 他对中国芯片给了一条两面的判断（视频页 [00:42:42]）："中国今天在芯片上有劣势，他们的芯片没那么强。但他们有能源优势，而且他们在芯片侧也在很好地追赶。" ⚠️ 他补的那条自我加速是："那当然会随着模型一起加速——用模型去设计下一代芯片之类的。"
• ✅ 本页标注：那条"能源优势"与 Pat Gelsinger 同一晚给的美国能源诊断（15 年走平、现在每年 4%、"所有可再生都在中国有很深的依赖"）在同一方向上互为佐证，而两人站在完全不同的位置（一位开放权重实验室 CEO 与一位半导体投资人）。
• ⚠️⚠️ 而他对美国位置的自我定位把开放权重接进了一条更长的产业史，本页认为这段值得完整保留（[00:43:42]）："顺便说，美国在所有其它有意义的技术上都做过这件事——互联网的开放协议、开源、基本上整个世界……美元是被广泛确立的全球货币；自由贸易之所以可行，是因为我们有一支到处都在的海军。所以那其实长期以来就是美国的剧本。有意思的是，在这件事上我认为美国在开源上一直处于劣势（on the back foot）。"
• ✅ 而他明确拒绝接下主持人那句"不再了"，本页认为这次拒绝是本期最值得记的一次限定："嗯，我认为我们得说清楚——中国的竞争者就是真的非常非常好，所以美国这边的生态是现在才刚开始形成，但确实还有一些要追的。"
• ⚠️⚠️ 本页因此不采用主持人收尾时的那个定性（"第一个处在前沿那一档的西方模型"，[01:09:01]）——那是主持人的表述，没有基准依据，而嘉宾自己给了相反的限定。
• ⚠️ 他对西方企业采用开放权重的现状给了一条数字性口径（[00:38:38]）："我们谈的大多数企业现在都在考虑开放模型，而财富 500 强里开放模型的足迹其实今天还相当低——因为对中国模型有某种抵触或反感，而其中有些理由是合理的、有些是不合理的。"（⚠️ 原文字幕把 "rational/irrational" 重复成了两个 "irrational"，本库按此理解并标注）⚠️ 他给的需求形状是 "不只是一个模型，还要一个会帮你把那个模型服务起来的伙伴"。

⚠️ 本页对这一节的两条标注

1. ⚠️⚠️ "特洛伊木马"这条机制本页此前完全没有，✅ 而它的价值在于给本页长期讨论的"中国开源到底对谁有利"提供了一个时间维度：⚠️ 短期（他承认）西方应用公司受益；中期（他预测）受益会转化为对整套软件与硬件栈的依赖。 ⚠️ 本页标注：第二半是预测而非观察，而他给的唯一正在发生的证据是"华为会进来提供全栈方案"，本库未核实。
2. ⚠️ 本页记下一处与既有材料的关系：✅ 本页此前在开放权重这条线上收过的材料多在"谁的模型更强""份额如何"这一层，而这一期第一次把问题挪到了"模型之外的那一整层归谁"。 ⚠️ 这与 Pat Gelsinger 那条"可再生供应链依赖中国" 指向同一类担忧的不同层——一个是权重与软件栈，一个是实体供应链。

⚠️⚠️ 出口管制的 flywheel 框架，与"英语就是美国的全球优势"（Jensen Huang，2026-10-13）

来源：Lex / Visiting Taiwan w/ Jensen Huang

⚠️ 体裁提示：这期是旅行 vlog（约七成是夜市吃喝），但出口管制这一段是 Lex 明确要求他 "把正反两面都讲一遍"、他完整作答的（[00:44:32]）。本页此前关于 Jensen 的材料（2026-03） 只有对中国生态的描述性评价，这是第一次拿到他自己对管制的完整论证。

⚠️ 一、他先替支持方辩护，而且划出了成立范围

• force multiplier（他列举：稀土、计算技术、技术本身、知识、知识产权）被剥夺就等于削弱对方， "这并非完全不成立"。
• ✅ 本页认为这一节真正有信息量的是他划的界：这个逻辑对实物成立——精炼稀土、子弹、炸弹， 前提是"只要对方造不出来"（[00:44:32]–[00:45:36]）。言下之意是对软件与平台技术不成立， 但他没有把这句话说完，本库不替他补。

⚠️⚠️ 二、他的立场：你是在优化"别人拿不到"，还是在优化那个 flywheel

• 若优化目标是长期国家安全与国内安定，繁荣才是手段——"世界上最安全的国家就是最富的国家"； 美国军事力量来自财富，财富来自技术，而"技术与财富会变成一个 flywheel，flywheel 才是你真正该优化的东西" （[00:45:36]–[00:46:39]）。
• flywheel 的机械定义（他明确类比平台生意）：财富 ≈ 客户参与 + 安装基础 → 安装基础与使用驱动更多 技术消费 → 更多财富 → 更快的技术 scaling，技术领导力与经济领导力互为燃料（[00:46:39]–[00:47:40]）。
• ✅ 本页标注一处同构：这是他在 Lex #494 里 "install base 定义架构"那条公司级论证的国家级放大版——同一个机械模型，换了主体。
• 政策落点不是全面放开：而是"极其、极其有选择性"地管少数技术，其余部分用来优化 flywheel（[00:47:40]）； 他同时承认管制是主权权利，"每个国家对自己创造的国家优势资产都有权决定怎么用"， 但美国也要确保"国家财富拥有尽可能大的 flywheel、尽可能大的平台触达"（[00:53:50]）。
• ⚠️ 风险项出现在他自己的论证里：flywheel 要建十年、二十年、"我们这里是三十年"，过临界点后像一夜 铺满世界，但"它也可以停下来，而且可以很快慢下来"（[00:52:48]）。他的反管制论证最终押在这一条上—— 不是"管制无效"，而是"管制可能把自己的飞轮刹住"。

⚠️⚠️ 三、"英语就是美国的全球 flywheel 优势"——本页此前没有这条论证

• Lex 先给出常见版本：美国优势是最疯最大胆的 moonshot 想法（[00:50:44]–[00:51:45]）。
• Jensen 同意，但补了一条性质完全不同的理由："世界上绝大多数地方对英语有反应。 所以如果你是美国公司、建在美国技术栈上、用美国标准，你在全世界都相当可部署。 这对中国不成立。所以我们有一个全球 flywheel 优势。"（[00:51:45]）
• 配套的那句是 ✅ "技术没有客户就毫无用处。"（[00:51:45]）
• Lex 把它推成结论：孤立主义那点好处是有代价的，代价正是这个优势（[00:51:45]–[00:52:48]）； Jensen 回"Exactly"（[00:52:48]）。
• ✅ 本页认为这条与既有材料构成一组真正的对照：本页此前谈中国开源的扩散优势时， 机制多是价格与权重开放（见上文「开源流向的反转」「开源即软实力」各节）； Jensen 给的是一个语言 + 标准层面的分发机制，与价格无关。 ⚠️ 两者并不互斥，但他没有回应"如果开放权重把分发成本降到零，语言优势还剩多少"——这是本页记下的空缺。

⚠️ 四、"AI 不是一个模型，是一整栈技术"——他据此拆解"谁领先"

• 原话是"AI 不是一个模型，AI 是一整栈技术"，其中能源是不可缺的一层； 沿这一栈上下看，"领导力分布在不同的地方"——某些国家和地区在能源上有非凡领导力，其他地方没有（[00:50:44]）。
• ✅ 本页标注：他没有点名哪个国家在能源上领先，但这与 Misha Laskin 那条"中国有能源优势"、 Pat Gelsinger 那条美国能源诊断 指向同一处，三人位置互不相同。

五、与本页既有出口管制材料的关系

• ✅ 与 Rene Haas 那条"无限游戏" 是同一方向的两种论证：Haas 的落点是"这场竞赛不会有一个赢家"、真正的风险是关键技术不在美国； Jensen 的落点是飞轮的正反馈会被自己掐断。⚠️ 两人都不是从"管制挡不住"这个经验问题入手， 而是都在质疑"竞赛/囤积"这个框架本身。
• ⚠️ 立场提示：Jensen 是全球最大受管制商品供应商的 CEO，他反对管制与其商业利益方向一致。 本库照记其论证结构，不作为中立分析。

⚠️ 六、一条现场即兴评论：算力饥饿与效率

• Lex 刚走完中国（上海见 MiniMax 等、杭州见 Unitree 等），报告"所有 AI 公司都在说同一件事： 他们 compute starved，要更多算力"（[00:32:08]）。
• Jensen 的回应："但不知怎么的，正是因为算力饥饿，逼着他们想出这些极其高效的架构。" Lex 总结为"约束是发明之母"；Jensen 补"他们被严重、严重地约束，但仍然拿到融资"（[00:32:08]–[00:33:08]）。
• ⚠️ 本页只把它记为对"算力约束 → 效率创新"这条既有论点的又一次口头确认—— 是边吃边说的即兴评论，没有点名任何具体架构或模型，也没有数据。

⚠️ 七、台湾作为"美国的战略伙伴"：一条来自需求侧的再工业化论证

• 他的再工业化论证是需求侧的：AI 繁荣期是美国投电网、投可持续能源、重投制造业的最好机会—— "需求如此之大，以至于不管你在世界哪里制造，事实是你负担得起，那就不如也在美国制造"； AI 与机器人进入制造业使这成为"再工业化美国的完美时机"（[00:14:29]–[00:15:31]）。
• 台湾的角色：美国建 fab，台湾"派一大批工程师、投一大笔钱"；他明确说出困难—— "在美国建世界级半导体制造不容易，因为那里的人才根本不够"，所以台湾在运人、训人。 结论句："从技术角度讲，台湾真的是美国的战略伙伴。"（[00:15:31]）
• ✅ 本页标注：这与上文「台湾：三周能源储备」一节是同一个对象的两种框架—— 那一节把台湾记为地缘风险点，这一节把它记为产能与人才的输出方。本库并列，不调和。

⚠️⚠️ 本页第一条"美国生物科技公司在核心科学 pipeline 上直接用中国开放权重模型"的一手自述（Ian Quigley / Leash Bio，2026-10-14）

来源：Latent Space AI for Science / Ian Quigley（人物页：Ian Quigley）

• ⚠️ 本页此前关于"中国开放权重被美方采用"的材料，要么是投资人/主播的泛论，要么是下载量与榜单一类的间接指标。 ✅ 这一期是一条一手的、具体到用途的自述，而且用途不是 demo，是公司主要技术路线的底座。
• ⚠️⚠️ 原话很短（[01:16:40]）：他们在把小分子、蛋白质及其行为用可读英文表示、再教模型医药化学，而底座是 "一些开源语言模型，像我们用了一些 Qwen 和 GLM，以及别人也在用的那些东西"。
• ⚠️ 本页标注措辞里的信息："以及别人也在用的那些东西（the stuff that other people are using）"——✅ 他把这两个中国开放权重模型说成了同行的默认选择，而不是一个需要解释的选择；全期没有任何关于来源、合规或替代方案的讨论。 ⚠️ 本页记为一次"无需辩解"的采用，而不是一次表态。
• ⚠️ 用途不是边缘的：这条语言模型路线是他明确认为优于继续放大自家专用模型 Hermes 的方向（理由是 "对记忆化问题抵抗力强得多"、"用自然语言是这个问题上一个相当好的正则化器"，视频页 [01:19:42]），也是本期新标题所指的那套物理接地 RL 环境的底座（产出 "上周末 1 万多次 SAR 战役"，[01:21:42]）。
• ⚠️ 本页的两条限定：① 全期只有这一句提到模型来源，没有版本号、没有参数规模、没有与闭源模型的对比；② ⚠️ 他说的是"一些 Qwen 和 GLM"，所以这是多模型并用，本页不写成"以中国模型为唯一底座"。 ✅ 本页按自述记录，并建议后续材料里注意同类采用是否成为常规。

⚠️⚠️ 蒸馏之争的第一份文献级反方，以及"中国实验室的安保可能更严肃"这条反向推断（Nathan Lambert，2026-10-14）

来源：a16z / Nathan Lambert（人物页：Nathan Lambert）

⚠️ 本页此前在"中国开源靠蒸馏追赶"这条线上已有多份断言（含 All-In 那场开源封杀之争），但没有一份给出可检查的技术理由。 ✅ 这一期的价值就在于给了一个，而且他同时列了对自己不利的反证。 ⚠️ 他已离开 AI2、正在创办非营利开放实验室 Trillium，本期是发布周——本页据此把他记为有立场的一方。

⚠️⚠️ 一、他的核心证据：开放后训练文献里的一个反常

• ⚠️⚠️ 原话（[00:11:04]）："基于公开文献，我很难说蒸馏是一个主要因素。因为在人们试着做开放后训练配方的那套完全开放的文献里，所有开放模型的构建者都还卡在用一个真的很过时的 Qwen 模型上——因为你搞不定怎么把 teacher 做对。"
• ⚠️ 他的假设：开放的那部分共同预训练数据里有某种中训练上的东西，让"从绝对最好的模型拿推理轨迹 → SFT → 数字就上去"这条路走不通。
• ⚠️⚠️ 而他拿自己的工作下注："如果我当时在造模型的时候能拿到 Claude 的推理轨迹……我其实不确定那会不会让我们的模型好很多。"
• ⚠️⚠️ 论证的核心是一个时代差，本页认为这是最可迁移的一半（[00:09:04]–[00:10:04]）：此前的后训练远更依赖 SFT（RLHF 时代）——"你只要在一个很强的模型的输出上做 next token prediction loss，就能拿到你大部分性能"；⚠️⚠️ "而现在这件事已经变形成了 RL 为主的环境。但很难把这种后训练——你拿到 completion、分数就往上走——映射到今天推理模型里在发生的事情上。"
• ⚠️ 他另点出一个方法上的空缺："然后，你要怎么拿一个模型的输出去建一个 RL 环境、去做一次大的 RL 跑？"
• ⚠️ 他对蒸馏在原理上的定位是中性的："蒸馏的作用是，它是一种有效地花更多钱去拿到算力等价物的方式——语言模型的输出是算力的函数。"
• ⚠️ 他自己的量级口径："而当我说蒸馏帮他们几个月，那是基于这套科学文献。" ⚠️ 他明确承认这是信息受限下的结论（"那就是我们手上的信息。我们该做更多开放研究、让这件事能被研究"），⚠️ 而他对反方的要求同样基于文献（"但基于这些，我不知道你怎么能得出一个不同的结论"）。

⚠️⚠️ 二、他自己列出的反证——本页认为这半同样该被引用

• ⚠️⚠️ 原话（[00:12:04]）："但确实有些问号会让我稍微站在那些实验室那边——比如中国那些 Claude 代理和模型代理，有巨量的 token 被用掉、有中间商、他们有大量账号，甚至有 Kimi 在自家产品里给用户提供 Claude 的情况。" ⚠️ 他的态度是坦白的困惑（"我真的不理解这怎么装进'蒸馏作为后训练里一个常规技术工具'这个框里"），并说 "是的，我们也该盯着它"。⚠️ 他另点出"中国公司在巨大规模上使用 OpenAI 与 Anthropic 模型输出的其它怪事"。
• ⚠️ 关于那篇"从闭源模型偷推理轨迹"的论文他的说法也不利于自己："我知道中国公司在做这件事上远远领先，因为 AI 安全社区是后来才发表的。我觉得每个中国实验室都有一个懂这类事情的团队。"
• ⚠️⚠️ 而机制他也给了，并给出一条本页认为该回看核验的结论："推理模型会生成思考 token，而它有某种特性让你很容易就把它们从 API 里敲出来。" → "只要他们还提供这些 API，就没有办法阻止那类蒸馏。" ⚠️ 而可行的防护路径他指得很具体："但如果他们做成只在产品里、只在你必须签企业协议的地方可用，那就会难多了。"

⚠️⚠️ 三、"中国实验室的安保可能更严肃"：一条方向与通常相反的推断

• ⚠️⚠️ 原话（[00:04:02]）："中国政府会做一些会让美国人大吃一惊的事情。而我认为那让我觉得中国实验室对安全的态度要严肃得多——因为在中国，对公司做某些事的反应要激烈得多。"
• ✅ 本页标注：他把国家层面的严厉推成了企业层面更强的安保动机，而不是更弱的。 ⚠️ 他明说不往下展开这个话题，期内也没有任何证据，本页记为他的推断而不是观察。 ⚠️ 本页建议与本页既有的"中国实验室安全投入"一类材料并读，不调和。

⚠️⚠️ 四、为什么开源：分发决策，而不是利他主义，也不是政策

• ⚠️⚠️ 原话（[00:04:02]）："中国公司进入这件事，是因为他们想有一家要紧的公司。而如果他们造出模型、然后试着从中国卖 API，没人会知道他们。没人会知道 Moonshot AI。极少有人会知道智谱。" → "这是他们一个非常务实的决定……所以发布开放模型是一条捷径，让他们进入这场对话。"
• ⚠️ 他主动排除了政策解释："政府有参与吗？……并不是那样。他们就是在试着做一家创业公司。"
• ⚠️⚠️ 而他给的结构性区分本页认为比"谁领先"更可引用（[00:05:02]）：OpenAI 与 Anthropic "在试着创造新范式、试着让真正的 RSI 发生，这样只要你先到那儿，你的公司就能永远拥有最好的模型"；而中国实验室 "是在试着追上来"、"去填市场上那个空缺"。⚠️ "把开源 vs 闭源从价值观之争换成两种竞争位置"这条提法是本页的归纳，不是他的原话。
• ⚠️ 算力是他认定的唯一真差距（[00:09:04]）：⚠️ "要说中国在人才上不是平等的，你会很难办，因为他们有太多人在被高水平地训练出来"；⚠️⚠️ "他们没有的是算力。"
• ⚠️ 他给的那个场景本页按转述记录："你跟那边的人聊，你说'我听说一个平均的 OpenAI 研究员随时能用 5,000 个 H100 等价算力'——然后他们的下巴就掉到地板上。" ⚠️ "5,000 H100 等价"是他转述的听闻，本页不写定。
• ⚠️ 而追赶为什么可行他给了两条通道（[00:06:03]）：① "一旦 Anthropic 和 OpenAI 给你看了你需要造什么类型的模型，接下来就容易多了"；② ⚠️⚠️ 数据经济的滴漏——"他们买相似的数据集……OpenAI 和 Anthropic 花多得多的钱把数据产业这个功能建出来，然后那些数据公司一年之后可能把它卖给所有人，因为他们需要最大化投资回报，而他们有某个合约期。" ✅ 本页标注：这条给"追赶"提供了一个与蒸馏完全无关的渠道，而它是合法采购。 ⚠️ 同一期还给了对称的一条："另一面是：中国公司六个月后把他们用过的那个 RL 环境买走"（[00:27:10]）。
• ⚠️ 他对"只有我们会造模型"的说法给了一句："我觉得有点 cope……而其实有二三十家公司在造好模型。"

⚠️⚠️ 五、政策立场：反对把政府拉进来，理由是法律性质

• ⚠️⚠️ 原话（[00:14:05]）："我不知道为什么你该让政府介入一项服务条款违规。我甚至不认为服务条款是一份签署的合同……你不能用同样的方式起诉他们。你能做的就是取消他们的访问权。"
• ⚠️ 他反对 KYC（"我不认为'认识你的客户'对任何人有好处"），支持实验室自己做防护（"但他们得自己去保护他们的产品"）。
• ⚠️⚠️ 而他对监管会以什么形态落地的预测本页认为最值得回看核验："所以你不会用国会的政策去监管蒸馏。你大概只会用联邦层面的行动去让他们的日子变得烦人。" ⚠️ 成本收益判断是 "如果你对蒸馏做任何事，我觉得你造成的伤害会大于好处，因为他们不会停"。
• ⚠️ 主持人在这里读了一段 Jensen Huang 的话（⚠️ 他说记不清是推文还是访谈，本页按二手转述记录）："人们每一天都在蒸馏我的产品……那叫竞争。" ⚠️ Nathan 的回应是 "我非常同情这个立场"，理由是如果希望在能力上升时有中美对话，要求对方"开始对自己的 AI 产业打手板"与那个目标冲突。
• ✅ 本页标注：这与本页既有的 Jensen"中国开源是生态加速器"方向一致，而这是第一次有一位开源研究者从技术证据而非产业利益一侧给出同向论证。 ⚠️ 而本页同时记下他给国安立场留的位置："我喜欢听国家安全社区的声音……就 AI 的走向和它的影响力而言，那里面有一个方向性的真实。"

⚠️⚠️ "大脑派 vs 身体派"：一位美国机器人公司 CEO 把中国供应链团队当作第一天的战略决定（Lindon Gao，2026-10-15）

来源：张小珺 #154 / Lindon Gao（Dyna Robotics CEO）（人物页：Lindon Gao）

• ⚠️⚠️ 他给的中美对照是全期开场，本页认为这组命名值得长期保存（[00:02:00]）："分大脑派和身体派。大脑派其实就是美国，觉得大脑是唯一的问题、身体会自己解决它自己。中国觉得供应链是唯一的问题、大脑长期会自己解决。"
• ⚠️ 他自称 "全栈派"，并补了一条修正："我的确也认识到中国其实最近也在一些模型层面上面也开始布局。"
• ⚠️ 他对两边的共同批评是浮躁："其实我觉得两边其实都挺浮躁的，天天都有非常多的 release，每家都在出一些新的东西，然后每家都想多融一些钱。"
• ⚠️⚠️ 而被逼问"真让你往 10 年去看"时的回答本页认为需要与下一条并读（[02:03:27]）："我觉得两个都重要。可是如果说真的让我往 10 年去看这些事情，我觉得可能供应链更重要。" ⚠️ 理由是 "客户最终拿到是硬件"，而长期 "可能会形成一个成本和质量战"。
• ⚠️ 而在同一段他对"智能和产品哪个更重要"答的是"智能更重要"（"如果没有智能的话，其实就没有产品"）。✅ 本页并列两条、不调和：⚠️ 一条问的是十年尺度的胜负手，一条问的是当下的前提；引用时必须带作用域，否则会读成自相矛盾。
• ⚠️⚠️ 而本页认为最该被记下的是一条组织决定，因为它是 day-one 的（[01:59:26]）：中国团队四五十人、专门做硬件研发和供应链，而他对为什么第一天就要有的回答是："这是非常重要的一个决定。因为我觉得智能体没有供应链，是没有办法做出世界级的机器人的。"
• ⚠️ 状态（自述）：整条链跑通、已进入初步量产阶段、百台级别；⚠️ 而那是新一代机器人——"上一代我就没有选择量产了，因为我觉得上一代本质上跑不通"。
• ⚠️ 人员分工：总数不到 200，⚠️ 美国略多、以 research 为主（research 比硬件多一点）。
• ✅ 本页标注：这是本页第一条由美国机器人公司一号位给出的、把"必须自建中国供应链团队"说成第一天战略决定的一手材料，而理由不是成本而是"做不出世界级机器人"。
• ⚠️⚠️ 而他"不能不 own 本体"的论证是数据侧的，本页认为它给上面那条决定提供了机制（[02:09:31]）："我们从运控上面收集到数据，用两个不同的运控算法就可以训出两个非常不一样的模型" → "所以我很难想象说真正去做 B2B 落地场景，如果你不 own 这个机器人本体，你是很难达到他们的质量和速度效率的。" ⚠️ 即供应链不只是成本项，它决定训练数据的质量上限。
• ⚠️ 他对两家中国公司的评价（本页照录为他的评价，期内无依据）（[02:04:27]）：宇树——⚠️ "在硬件上面的研发，把他们的 System ID 和 sim to real gap 做的这么小，本质上面是一个非常强的突破口"；智元——⚠️⚠️ "他们有足够的资金，我觉得资金可以维持这个组织非常长的一个时间，其实这也是战略本身"，而资金多 → 容错率更高 → 产品线可以铺更广、智能体上可以更发散地 bet。✅ 本页标注：把"钱多"直接读成"战略自由度"而不是"估值泡沫"，是本页此前没有的一个读法。
• ⚠️ 他对国内"真机派 vs 仿真派"论战的态度是拒绝参战（[01:33:07]）："我不知道为什么会有这种论战……这个技术路径本身不是本质的，它是一个手段。我觉得没有必要 bet 手段。" ⚠️ 他们两者都用，"哪个好用就用哪个"。

⚠️⚠️ 两位美国在位 CEO 的中国开放权重口径，以及"离震中越远越拿不到算力"（All-In × Krishna & Arora，2026-10-21）

来源：All-In 2026-10-21（嘉宾 Arvind Krishna / IBM CEO、Nikesh Arora / Palo Alto Networks CEO）

• ⚠️⚠️ 本页此前收录过美国创业公司直接用中国开放权重模型的一手自述（Leash Bio），这次是同一件事出自一家大型在位厂商 CEO 之口（[00:12:07]–[00:14:09]）：Arvind 在讲企业成本时直接点名 Kimi K3（约 8000 亿参数）作为可自托管的选项，并明说 "今天最好的 open weight 模型是中国的"。
• ⚠️ 他给的风险判断很具体，本页认为值得完整记下来，因为它是一条操作性的而不是政治性的区分："如果你把它放进沙箱、自己跑，危险很小。当然，如果你从云上用它，那是另一回事。"
• 他对追赶的判断："非常怀疑未来一两年西方不会出现同样有能力的 open weight 模型"——"这些东西的差距最多是 6 到 12 个月。" ⚠️ 无基准、无口径。 🔗 与本库 2026-10-16 一位重度本地部署者"差距从六个月重新拉大到大概一年"的记录口径不同，见 开源基础设施。
• ⚠️⚠️ 而本页认为这一期最该保存的是 Nikesh 换掉的那根轴（[00:27:16]–[00:28:17]）：被问全球 haves / have-nots 时，他不认为分界会落在支付能力上（技术会变便宜），真正的分界是算力的供给约束：

  "我担心的是我们会看到算力在世界上两个大国里快速发展，而它在世界其余地方的分布不会同样均匀……离震中越远，你越不可能拿到这些算力。这不是出于经济原因，纯粹是供给约束。"

他举的例子是一家欧洲公司意图与动机都对，却突然发现拿不到和美国或中国公司一样多的算力。 - ✅ 本页标注：这把"中美之外的国家怎么办"从一个资金问题改写成了地理与供应链问题，而这个版本对欧洲、印度与东南亚的含义完全不同——钱解决不了它。 🔗 与 SF Compute 那期"GPU 是放在电旁边的、可互换性被地理打碎"是从两侧说同一件事：那期说市场为什么难标准化，这期说国家为什么难追赶。 - ⚠️ Arvind 把它接到劳动 vs 资本上，本页记录但加保留（[00:28:17]–[00:29:17]）："在此前七八个这样的周期里，那些更愿意在资本上花钱、而不是更担心劳动的一方，每一次都赢了"，而两个大国都很愿意资本密集、并愿意承认劳动会变得不那么重要；⚠️⚠️ "那些纠结于劳动必须不惜一切代价被保护的国家……会是输的那一方。" ✅ 他自己划的区分不能略去：他反对的是"每一个现存岗位都必须被保住"，不是"要有给劳动的机会"。⚠️ 本页三条保留：七八个周期一个没点名、"赢"的定义全程未定义、从"资本侧回报更高"推不出"保护岗位的国家会输"。详见 AI 与就业。 - 减速不可行（[00:24:15]）：你慢下来"日本会吗？中国会吗？印度会吗？不可能"——"他们会说太好了，你慢下来给了我追上并超过你的机会"；他拿欧洲先监管做反面。⚠️ 本页标注这是本页已多次收录的论证形态，此处不新增，只记它又一次出自大型在位厂商 CEO 之口。

⚠️⚠️ "身体派"的一次自我归位，以及中国企业出海那套"三板斧"今天还剩多少（钱程 / 科沃斯 CEO，2026-10-21）

来源：张小珺 #155（嘉宾 钱程 / 科沃斯集团 CEO） ⚠️ 该期无字幕、本库用本机 GPU whisper 转录，专名损坏严重；视频页列了完整还原表与把握程度。

• ⚠️⚠️ 本页此前收录的 大脑派 vs 身体派 这组命名，这一期被同一位主持人原样拿去问了中方一侧的在位者，而他的自我归位明确（[01:29:29]）：

  "我觉得目前没有，我们没有进入模型。" 也没有投资模型公司。"我们可能会更擅长做产品定义。"

✅ 本页标注：这是本页第一次拿到中国在位硬件公司对这个二分法的直接、不含糊的自我归位。 ⚠️ 但本页同时指出：他给的理由是能力禀赋，不是"模型层不值得进"的判断——这两者不同，期内未被追问。 - ⚠️⚠️ 一条对"中国供应链让身体变便宜"的下游注脚，而且出自有量产能力的一方（[01:19:20]）：今天要在中国产业链上拼一个机器人出来不太难，在深圳拼一个也不太难；甚至头部具身公司把机体卖给你、你在外面包装一下挂自己的牌子，可能也不难。✅ 本页的归纳：当身体可购买，身体本身就不再是差异化——"身体派"这个位置的护城河正在被它自己的供应链优势侵蚀。 详见 物理 AI 与机器人。

中国企业出海：一份时间跨度十余年的一手复盘

⚠️ 全部数字为自述、无口径。

• ⚠️⚠️ 他把当年（以及他说今天仍有约七八成做跨境的中国企业在走）的路径概括为"三板斧"（[00:19:23]–[00:30:33]）：性价比产品 + 电子商务渠道 + 互联网营销。✅ 而他明确说这条路"越来越堵"：近三到五年中国企业已经可以做出比海外品牌更优秀的、相对高端的产品。
• ✅ 他给的原因本页认为比结论更有价值：不是企业变强，而是社会要素变充足——合理的经销商、物流体系、支付、人才，"所有的这一切"；加上海外客户与社会对中国品牌的接纳度完全不一样了。结果是今天很多中国企业 day one 就做海外。
• ⚠️ 七八成这个比例无来源，本页记为量级直觉。
• ⚠️⚠️ 那个让打法成形的瞬间（[00:21:24]）：他去见一个渠道客户，客户当着他的面打开电脑、登录亚马逊搜自家产品。他的反应是——"你都搜亚马逊了，我还在你这卖啥？我直接在亚马逊卖不就行了。" 由此形成用国内电商能力与运营方式卖海外、本地团队铺渠道为辅，而整个生意的主要经营仍可以在国内发生。✅ 结果他给的是德国市场约六个月拿到 30% 份额（⚠️ 自述）。
• ⚠️⚠️ 一条很具体、可供同类公司直接参考的用人复盘（[00:25:27]）：他上任后把父辈留下的几位外籍总经理全换掉了，但换的仍是本地、偏传统销售背景的人；今天他的说法是"现在回想起来，自己也没有什么能力去管一个四五十岁的老外，我现在也不给大家这个建议"——无论跨文化管理还是管理经验都不到位；现在改为外派。
• 他对终局的判断（[01:10:11]）：中国企业未来的竞争一定是全球的竞争，合理状态下中国市场可能只占营收的 30%；但全球消费者差异很大，怎么了解海外市场才是最关键的事情。 他自述科沃斯海外收入已占 50%，预计未来几年到 60%–70%（⚠️ 自述）。
• ⚠️⚠️ 一条关于"西方管理学能不能直接搬"的现场证词（[00:40:39]–[00:41:40]）：西方管理学追求更民主、更集体决策、更多讨论，"你最后发现中式思维不是这样子的，大家也不一定习惯"——太多讨论会让关键决策落地很慢。✅ 本页标注：他没有把这写成文化优劣，而写成迁移成本——那套方法"某种程度上是对的，但它需要一个过程"，需要沉淀、信任与制度支持，否则"那真的只是你想要的样子而已"。
• ⚠️⚠️ 而说这话的人自己的位置很特殊：他深圳出生、11 岁赴加拿大、22 岁回国，自述"其实我并不是一个特别了解中国的人"（[00:35:36]）。✅ 本页标注：这是本页收录的中美视角材料里罕见的一种——说话人同时是两边的局外人，而他把这一点当作自己接班时的主要短板，而不是优势。

⚠️ 美国先进制造一侧的自述：Intel 与 TSMC 的差距被拆成"规模"与"技术"两件事（Dwarkesh × Intel，2026-10-22）

来源：Dwarkesh × Intel 工厂实地 2026-10-22（受访者 Intel 技术负责人五人，含 CTO Pushkar Ranade） ⚠️⚠️ Intel 提供场地与受访者，本节全部说法只有 Intel 一方；主持人唯一一次引用外部对标被当场否掉且未给替代数字。本页只记录口径，不作裁决。

• CTO 把"追上 TSMC"拆成两件事（[00:54:53]–[00:56:59]）：规模上"他们今天是一家比我们大得多的晶圆制造商，甚至比三星还大……追赶会是一个渐进的过程"；⚠️ 技术上"我认为我们已经到那儿了。我们可能在性能、功耗或面积密度上差几个百分点"。他的论证是这类对标只在落后一整代或两代时才有意义，差几个百分点是"在分毫必争"，而且不是一维的——同一节点上要做低漏电与高驱动电流两种晶体管、高密度与高性能两种 SRAM、模拟与射频电路，"是所有这些加在一起才让一项技术有竞争力"。
• ⚠️⚠️ 他给的判据本页认为比对标本身更值得记："你可以差几个百分点，但你必须准时。你的执行必须让良率足够高，以支撑非常大、非常快的爬坡"——"那实际上比在性能或面积上追回几个百分点更重要。"
• ⚠️ 一次当面的不同意：主持人引 SemiAnalysis 说 2028 年才出的 14A 在晶体管密度上约相当于 N2，CTO 答 "首先，我不同意你的对标"，但未给替代数字。
• ⚠️ CapEx 对照与一条解释（[00:58:01]–[00:59:05]）：TSMC 今年约 500 亿美元、Intel 约 200 亿美元（⚠️ 主持人给的数字）。CTO 的回应是"这有点不公平，因为今天他们基本上是所有人的代工厂，而我们在很大程度上只是 Intel 的代工厂"，并说随着成为别人的代工厂，CapEx 也会增长。
• ⚠️ 一处来自 Intel 一方的历史复盘（[00:03:02]–[00:05:07]，Chris Auth）：10nm 的教训是在工具（EUV）还没准备好时用创新绕过去，代价是严重延期。⚠️ 主持人旁白给的时间线（本库未核实）：10nm 原定 2016 年、2018 年才量产；TSMC 2019 年把 EUV 投入量产、2020 年在 5nm 上放量，而 Intel 首个 EUV 制程直到 2023 年才进入产品——TSMC 因此多出约四年机台经验。
• ✅ 旁白另给了一条解释性假设，本页认为值得记但须标清是假设：Intel 的 fab 历史上绝大部分时间只做自家芯片，而这可能正是 TSMC 取得优势的部分原因——服务众多客户让 TSMC 有更多晶圆可学习、更多收入可再投资、更多按时交付的压力。 ⚠️ 这是主持人的推测，不是受访者的说法。 🔗 而 Chris Auth 自己提供了一个与之吻合的事实："18A 一开始是没有 PDK 的"——几十年作为 IDM，"我们并没有一套正式的 PDK 式流程"（[00:16:24]）。
• ⚠️⚠️ 一条对"把制造搬回美国"的现实约束（[00:47:37]–[00:50:40]、[01:00:06]）：即便资本到位，前沿晶圆产能"翻不了 10 倍，大概 2 倍"，而且到本十年末的总增量极其有限（工具交付期约 18 个月 → 2028 年；再建厂房与 fab → 本十年末）。✅ 本页标注：这意味着产业回流的速度上限由设备供应链而不是由政策意愿决定，详见 AI 基础设施。主持人在收尾时建议 Intel 现在就尽可能融资锁定上游工具，CTO 的回答是："如果我们当时就知道今天知道的事，我们一年前就会投得更多。以我们现在知道的来看，我想我们会投得更多。"

⚠️⚠️ "AI 的操作系统大概会是开源、开放权重的"：一位美国安全厂商 CEO 的客户行为因果链（George Kurtz / CrowdStrike，2026-10-22）

来源：No Priors 2026-10-22（嘉宾 George Kurtz / CrowdStrike 创始人兼 CEO） ⚠️ 他与 NVIDIA 合作、自家蓝方模型基于 Nemotron，因此"开放权重会赢"对他有利；全部客户口径为自述、无样本无来源。

⚠️⚠️ 攻击侧：开放权重已是主力，而且理由是护栏

（[00:04:03]–[00:06:03]）⚠️⚠️ "我们看到很多是在开放权重模型上。" 他点名 GLM、Qwen，并说很多模型要么去了护栏（ablated）、要么专为 cyber 造的。⚠️ 他自述家里有两台 DGX Spark、所有模型都跑着，并认为"矛尖会是你能在没有护栏的情况下跑起来的那些东西"——前沿模型"在你需要 PowerShell 脚本之类的时候算帮得上忙"，但主力可以是开放权重。

• ✅ 本页标注这条与 Kevin Mandia 的"攻击能力上开放权重与前沿闭源同分" 是同方向的第二份材料，且补上了一条机制：⚠️ 攻方选开放权重不只是因为够用，是因为前沿模型在这个领域会拒绝他们。而 Kurtz 在同一期说防守方也被拒了（见 LLM 安全），于是护栏在两侧同时把人推向开放权重。

⚠️⚠️ 需求侧：一条可观测的客户行为顺序，以及那个 F1 比喻

（[00:24:15]–[00:25:15]）他说自己几乎每天和 CIO 聊，典型说法是：

⚠️⚠️ "我们进了 AI，我们全押了，很好。然后成本失控——token maxing——等账单变大的时候人们就停了。"

然后是新打法：

⚠️⚠️ "现在的开放权重模型太好了，即使落后三个月，对我们需要的东西也完全够用。"

⚠️⚠️ 而那位银行客户给他的比喻（他们知道他是 F1 迷）本页认为是最好记的一条：

"银行里任何需要 Formula 1 的活动，我们会送去前沿。如果那是 alpha、我们在赚钱、那就超级重要，我们付钱，没什么大不了。" 其余全部自建开放权重、自己做更多后训练。

他的态度："我坚信这一点。我在一个又一个客户那里看到这个。" ⚠️ 他并给了一条对前沿侧的含义："大家都看到了这一点，而且在前沿这个层面上，对接下来会发生什么是有些担忧的。"

• ✅ 本页标注这与 Arvind Krishna 的"75% 到 90% 的 token 用量会流向 open weight" 是同方向、相隔一天、来自两位不同行业美国在位 CEO 的两条独立材料。 ⚠️ 差别在于：Krishna 给的是一个比例预测加三条理由（经济学 / IP / 地缘）；Kurtz 给的是客户行为的因果链——成本炸 → 停 → 发现落后三个月够用 → 自建后训练。 ✅ 本页认为后者更可检验，因为它预测了一个可观测的顺序，而不只是一个终值。
• 🔗 主持人追加了一条本页认为比成本论证更强的理由（[00:29:18]）：一家前五的金融机构的大型技术采购方对他说，他们组织根本不具备每 10 天吸收一次新模型发布的能力，所以"落后三个月"其实比他们那个受监管的组织能接受的节奏还快，对他们来说差别为零。✅ 本页标注：这把"开放权重够用"从成本论证换成了组织吸收能力论证——即便前沿免费，受监管的大型机构也用不上那个速度。本页此前没有这条。

⚠️⚠️ "AI 的操作系统"：Linux 类比

（[00:27:17]–[00:29:18]）被问中国公司在开放权重上是否有结构性优势、美国开放权重会不会追上：

"互联网的操作系统就是 Linux，句号。这有原因。而 AI 也会有一个操作系统。在我看来它大概会是开源、开放权重的。"

• ⚠️ 他加的限定：不意味着前沿模型没有空间、也不意味着没人能从里面赚一大笔钱——"围绕它的应用栈、harness、东西怎么连起来、怎么考虑企业，这些都会非常重要。"
• 他说和 NVIDIA 合作的一个原因就是 Nemotron 是开放权重且开源，不只是开放权重（⚠️ 他明确区分了 open weight 与 open source 两个词），并说"有别的替代选项会非常重要"、"有很好的美国开放权重模型会非常重要"。
• 驱动力他给的是成本与商品化："现在涉及的成本就是太大了。而且你看很多这些前沿模型，它们正在被商品化。"

蒸馏：他把问题推回了一层，并给了一句主动归功

（[00:25:15]–[00:27:17]）主持人给出通行论证：中国开放权重玩家实质上是在前沿模型上做蒸馏，而各实验室正在部署反蒸馏，并问这会不会变成攻防那样的来回。

⚠️⚠️ 他的第一反应是把问题推回一层：

"那我第一个问题是：前沿模型当初拿到那一大堆信息的时候，它们在蒸馏什么？我们都知道关于数据从哪来的那些诉讼，以及后来怎么收场的。"

（席上接了个"好酒是三次蒸馏的"的玩笑，他说"正是三次蒸馏——那蒸馏到底是从哪里开始的呢？"）

• 他对现状的判断：实验室确实在努力防蒸馏，中国模型侧"有一批系统工厂在互联网上到处弹，做这件事"；⚠️⚠️ 但"精灵已经出瓶了。已经发生了很多蒸馏。那些模型非常好。"
• ✅ 他主动给的那句归功，本页认为值得单独记：

"但我们也得认账。如果你没有那些芯片、你必须想办法省着用，而你还想有顶尖模型——我认为美国之外正在发生一些有创新性的事情，我们得留意这一点。"

✅ 本页标注：这是一位美国安全厂商 CEO 在被问"中国是不是靠蒸馏"时，先质疑了提问的前提、再把约束（缺芯片）读成创新来源。本页此前的美方材料里，这两步同时出现的不多。 🔗 可与 Nathan Lambert 的文献级反方 并读——⚠️ Lambert 给的是技术与文献层面的反驳，Kurtz 给的是一条修辞层面的反问加一条资源约束解释，强度不同，方向一致。 - ⚠️ 被问两年后会怎样，他明说不知道："我希望我有那个水晶球。"

⚠️ 他对攻击者国别的口径（本页记录其模糊程度）

（[00:06:03]–[00:07:04]）⚠️ 主持人问的是地理分布与攻击类型，他主动改写了问题——"我们换个框架，因为我们是从对手视角看的"，给出的是：

• 命名体系：俄罗斯叫 bears、伊朗叫 kittens。⚠️ panda 一词他提了（"bears and pandas"），但本期未点明对应哪个国家，本页不替他补。
• 朝鲜非常活跃："他们必须把钱弄进自己的经济里"，所以忙于窃取信息、勒索软件与收款。
• ⚠️⚠️ 关于中国他只有一句："我们看到中国出来的用 AI 的活动很多。" ⚠️ 无时间、无目标、无归因方法、无任何细节。本页记录这条断言存在，但认为它不构成可用材料——并标注这与他在同一期对中国模型创新的那句主动归功并存，两者他都没有展开。

⚠️⚠️ "微调不再是你不得不做的事了"：一条来自推理平台一侧、关于中国开放权重模型的具体技术后果（Erik Bernhardsson / Modal，2026-10-22）

来源：Latent Space 2026-10-22（嘉宾 Erik Bernhardsson / Modal 联创兼 CEO） ⚠️ Modal 大规模跑开源模型的推理，"开放权重好到不必微调"对他直接有利；他点名的三个模型版本号均为口头自述，本页未核实。

（[00:39:24]–[00:40:25]）主持人问是不是很多人在微调开源模型。⚠️ 他说看到的是相反方向：

⚠️⚠️ "几年前微调的价值主张是：开源模型没那么好，但你拿个小模型在你的特定领域上微调，就能在质量和成本上触到前沿。今天我会说开源模型已经好到你基本可以直接换掉——不用前沿的那个，你跑 Kimi K3 或者 DeepSeek 4.1 或者 GLM 5.3，它们基本上几乎和前沿模型一样好，而成本低得多。"

• ✅ 结论句："微调不再是你不得不做的事了。它非常可选。开源模型就这么现成用也很好。"
• ⚠️ 但他说后训练需求仍然很大："我们在那个空间做一些产品，SFT 也有，强化学习之类的也有。" ⚠️ 本页标注这两句的张力：如果微调可选，后训练需求为什么仍大？他没有调和，本期也无人追问。

✅ 本页认为这条值得记的理由，是它把一个结论换成了一个动作：

• ⚠️⚠️ 同一周本页已有两份同向材料，但都在采购决策层面：Arvind Krishna 的"75% 到 90% 的 token 用量会流向 open weight"（比例预测 + 三条理由）、George Kurtz 的客户证词"落后三个月完全够用"（行为因果链）。
• ✅ 而 Erik 这条来自实际承载这些模型推理负载的平台一侧，讲的是一个具体技术动作被取消了必要性——三者中最可检验的一条：⚠️ 它可以被证伪，只要微调/蒸馏在开放权重上的使用量重新上升。 🔗 而它同时与本页 Leash Bio 在核心科学 pipeline 上直接用中国开放权重模型 同向——那是一个具体用例，这是一个具体动作的消失。
• ⚠️ 本页标注一处缺口：他点名的全是中国实验室的模型，而本期没有任何一句解释为什么美国开放权重模型不在这个列表里。 🔗 本页此前就这一点已有多份材料（Kurtz 的"有很好的美国开放权重模型会非常重要"、Misha Laskin 一侧），而这是又一次"列举时美国模型缺席"的记录。

⚠️ "我从没想过中国共产党会对'给全世界的开源 AI'这么热情"：一位长期倡导开源者的预期落空（Marc Andreessen，2026-10-22）

来源：a16z / Frontier 发布 2026-10-22（Marc Andreessen / a16z 联合创始人） ⚠️⚠️ a16z 长期公开反对对开源 AI 的限制。本节全部内容出自该立场的持有者，没有任何第三方数据，且这一期是一场基金发布。

（[00:40:27]–[00:41:29]）他说开源现状"很棒……开源在往前冲"，理由是"我们这个时代的两个技术超级大国，美国和中国，都有非常活跃的开源世界"。他给的政策口径是：⚠️ 过去三四年一直有一个逼近的威胁（"在我看来是严苛到完全不可接受的监管或禁令"），"我认为欧盟还想做，只是它没那个杠杆"；而当前美国政府"100% 支持开源"、"100% 希望美国的开源在全球赢下 AI"。

⚠️⚠️ 而本页认为本节唯一值得单独记的是他主动说出的那次意外：

⚠️⚠️ "而且顺便说，让我大吃一惊的是：我从没想过中国共产党会对'给全世界的开源 AI'这么热情，但眼下他们是。"

• ✅ 本页标注：这是一位长期倡导开源的美国投资人把自己的一处预期落空如实说出来，而且落空的方向对他的主张有利（供给更多）。本页记为一条认知记录，而不是一条分析——⚠️ 他没有给任何关于"为什么"的解释，而本页此前已有多份材料试图回答这个问题（Nathan Lambert 的文献级反方、Krishna 的经济学 / IP / 地缘三条理由）。本页把这条记为"美方对中国开源动机的困惑"本身的一个样本。
• ⚠️⚠️ 同段一处本页无法判读，照录歧义：他说开放模型"正在以 6 个月、12 个月——取决于你怎么算——lapping 闭源模型"。⚠️ "lapping" 字面是"套圈/领先"，但"落后 6 到 12 个月"是行业通行说法，而这句话的两种读法方向完全相反。本页不替他写定。

✅ 本周第四份同向材料，本页在此收口

✅ 本页在 2026-10-21 至 10-22 这三天里收到四份独立的开放权重同向材料，而它们的论证层级各不相同，本页认为并置之后才看得出这条趋势的证据结构：

来源	位置	给的是什么	可检验性
⚠️ Arvind Krishna	IBM CEO	"75% 到 90% 的 token 用量会流向 open weight" + 经济学 / IP / 地缘三条理由	一个终值预测
⚠️ George Kurtz	CrowdStrike CEO	客户行为因果链：成本炸 → 停 → 发现落后三个月够用 → 自建后训练	一个可观测的顺序
⚠️ Erik Bernhardsson	Modal CEO（跑这些模型的推理）	一个具体技术动作被取消了必要性（微调不再必须）	可证伪：微调使用量若回升则错
⚠️ 本节（Marc Andreessen）	投资人 / 开源倡导者	一条政策侧口径 + 一次自己的预期落空	⚠️ 不可检验，是态度而非观察

⚠️ 本页的标注：四者方向一致，但只有中间两条给了可被推翻的东西。 ⚠️⚠️ 而四者都在供给或需求侧有直接利益（卖栈、卖安全、卖推理、投开源），本页不把方向一致当作独立验证。

---

⚠️ 本页第一条供给端的蒸馏材料："他们消除了 99% 的蒸馏"（All-In 第 295 期，2026-10-30）

来源：All-In 第 295 期（人物页：All-In 四位主播）

（[00:54:32]）⚠️⚠️ 全部内容为节目双方明确标注的"X 上的风声"，无依据，本页只记方向、不采信任何数字的精度。

• 语境：在讨论 Q3 收入增速是否放缓时（Chamath 的说法是"收入增长放缓到 50% 这个区间左右"），⚠️⚠️ Sacks 给了两条相互抵消的解释：
• ① "其中一部分可能要归因于他们消除了 99% 的蒸馏"——"他们自愿对自己的收入砍了一刀，为了阻止抄袭模型基本上在蒸馏他们。"
• ② "而我觉得风声是，既然他们最近相当大幅地下调了 token 成本，现在需求又重新加速了。"
• ✅ 本页标注为什么这条值得记下来：⚠️⚠️ 本页关于蒸馏的既有材料几乎全部在接收端一侧（谁在蒸馏谁、蒸馏对追赶速度的贡献、以及"中国收敛慢源于先发期缺失"那条）；这是第一条来自供给端的说法——也就是被蒸馏的一方为了封堵而主动放弃可计量的收入。
• ⚠️⚠️ 而本页同时标出三点，因为这条材料非常弱：① "99%" 无任何依据，本页只保留"他们声称对蒸馏流量做了大规模切断"这个方向；② 它出现在一段解释收入放缓的讨论里，所以它同时是一个对公司有利的解释，需要打折；③ 节目没有说明切断的技术形态（是账号/用量侧的识别，还是输出侧的限制），而这恰恰是判断它可行性的关键。
• ✅ 而本页认为这条的检验点清楚：若"为反蒸馏主动切断收入"是真的，它应当在 S-1 或后续季报的收入讨论里以某种形式出现（政策变更、客户流失、特定渠道收入下降）；本库此后遇到相关材料应回填。

⚠️⚠️ 而这条说法与三天前厂商自己的说法直接冲突，本页把冲突本身记为材料

🔗 ⚠️⚠️ Anthropic 平台团队本人在 2026-10-27 明确否掉了商业动机：

"现实地说，如果你从我们这儿蒸馏，你其实是在付钱给我们。所以商业上我们是赚钱的。" 他们给的真实理由是安全："如果有人蒸馏了我们的模型、然后在没有安全分类器的情况下运行它，世界上就可能出现坏结果。" 对策是跨轮次（并扩展到跨账号）强制保留 thinking block，依据是"chain of thought 抽取是蒸馏模型最有力的方式之一"。

• ⚠️⚠️ 所以两份材料在同一件事上给出相反的方向：厂商自己说"蒸馏对我们是赚钱的，我们封堵是出于安全"；三天后的评论方说"他们为了阻止抄袭模型，自愿对自己的收入砍了一刀"。
• ✅ 本页的处理：以当事方的说法为准（它是一手的、且方向对自己不利——承认自己从被蒸馏中获利，比声称自己为安全牺牲收入更难自夸），并把评论方那条记为可能把"收入放缓"与"反蒸馏措施"错误地建立了因果。 ⚠️⚠️ 而本页同时指出两者并非逻辑上不可共存：封堵的动机可以是安全，而其副作用仍然是收入下降——也就是说评论方的"自愿"二字（动机）与厂商的"安全不是商业"（动机）直接冲突，但"收入因此下降"（后果）两边都没有否认。 ✅ 本页认为这正是该保存的那类区分：动机与后果不是同一个主张，而混用它们会让一条可核实的后果借用一条不可核实的动机。

---

⚠️⚠️ 一条"存量自动化是负债"的论断，本库标为立场陈述不采信（Tutor Intelligence，2026-11-02）

来源：a16z × Tutor Intelligence（Josh Gruenstein，联创兼 CEO）（人物页：Josh Gruenstein）

⚠️⚠️ 立场（双重标注，而本节尤其需要）：他是一家美国机器人公司的 CEO，而主持方是一家以美国工业复兴为长期主题的投资机构、同时是这家公司的投资人。

⚠️⚠️ 一、原话

（[00:38:24]–[00:39:24]）

"我认为一件大事是，这会成为美国与其它国家（比如中国）之间的一个巨大的拉平器。中国投资在上一代工业自动化的范式里。而某种程度上那让他们非常成功，但从另一些角度看，我认为事后来看那可能最终会变成一个巨大的错误。" ⚠️⚠️ "因为在美国，我们是在用通用能力的机器人做这种空地式的工业产能自动化建设。而在中国他们将不得不拆掉重建。我们在美国不必以同样的方式那么做。"

⚠️⚠️ 二、本页为什么把它标为立场陈述而不作为材料采信

• ① 它假设装机量是切换成本而不是优势。 ✅ 而一条已经在产生现金流的产线是否真的"必须拆掉"，取决于新旧两种方案在该产线上的边际经济性，而不是取决于范式是否相同。 ⚠️ 本期没有给出任何关于这个边际经济性的估算。
• ② 它完全没有涉及制造能力本身，而这一期的其它部分恰好给了反面材料。 ⚠️⚠️ 他在同一期里说美国的机器人供应链"既太小又是错的"——"2025 年美国部署了 38,000 个工业机器人工作单元，相比大约一百万（按上下文指中国）这是很小的数字"、"Fanuc 和 ABB 造的机器人大多不在美国造"——并说因此必须自己从零造硬件、还要"继续垂直化、在美国造越来越多的机器人部件"。 ✅ 也就是说他论证的"美国是空地"同时意味着"美国没有产能"。本页认为"空地"是一个双刃的描述，而这一期只用了对自己有利的那一面。
• ③ 它对说话人有直接利益，而本期的发布语境（投资方自家的节目）也在同一方向上。
• ⚠️⚠️ 而最该被标出的一处是：在同一期里，当主持人明确问到"你们对中国供应链的依赖、它随时间怎么演变、以及那边对供应链有多大风险"时，他给了一个不含信息的回答（[00:39:24]–[00:40:24]）：

  "不管谁怎么说，在 2026 年的今天我们有一条高度互联、相互依赖的全球供应链，而这只是其中许多例子之一。而我认为美国公司和中国公司都在非常认真地思考这件事的长期战略是什么样的。中国公司在美国投资，美国公司在中国投资，而最终所有人都在试着建起自己的工业产能。"

• ✅ 本页的判断：这段既没有给出自家的依赖程度，也没有给出任何风险评估或缓解路径。本页标注这处并列尤其值得注意——声称自己在结构上占优的同一个人，在被问到自己依赖对方什么时给了一个不含信息的回答。

⚠️ 三、本页记下一条相对可检验的推论，以及该与它并读的材料

• ⚠️ 他同一段里关于工厂数量的推论相对可检验："我们会有多得多的工厂，就像我们有多得多的生意一样——因为云和所有软件工具让人们能建起新生意。如果我们有这种无限弹性的劳动力基底，任何人都将能在物理世界里开一门生意、也能在物理世界里把一门生意做大。"
• 🔗 ⚠️⚠️ 而本页认为这条"存量是负债"的论断必须与本页既有的中方产业视角并读，因为后者描述的恰恰是存量能力如何转化成迭代速度：何小鹏（小鹏集团 CEO）的物理 AI 与人形机器人路线、沈宇军的具身原生视角。✅ 本页不裁决，但指出一个可观察的分歧点：如果"必须拆掉重建"成立，那么中国在通用机器人形态上的部署速度应当慢于美国；而这是一个可以在未来两三年里被观察到的量。
• 🔗 ✅ 本页另记这一期还提供了一条与中美对照无关、但本库此前没有的数字（[00:17:14]）："没有人在美国部署过任何宇树。它们会出现在那些数字里，而它们大概是零。" ⚠️ 这是一个关于中国机器人在美国部署渗透率的具体断言，且可被外部核对。

⚠️⚠️ 本页第一条关于中美 AI 接触在实务层面怎么发生的描述：实体清单、"不被允许"，与同场偶遇作为绕道（Latent Space × AIEi Shanghai，2026-11-04）

来源：Latent Space × AIEi Shanghai（swyx 作为被访者）

⚠️⚠️ 立场：这一期是 AIE 上海（swyx 自己的大会品牌在中国的首场）的预热节目，前两分钟是他自己录的开场导语。 ✅ 本页因此把它定性为自述访谈，并对其中每条涉及自身利益的论证单独标注。

⚠️⚠️ 一、正式渠道被切断之后剩下的通道是物理同场

（[00:22:16]–[00:23:16]）✅ 本页认为这是本页目前对中美 AI 交流现状最有操作含义的一条描述，因为本页此前的材料几乎都在能力、供应链或政策层面，而这一条讲的是人实际上怎么见到面。

• ⚠️⚠️ 他的描述：

  "尤其对中国的实验室来说——其中有一些在实体清单上。" ⚠️⚠️ "他们不能正式和你开会。很多美国公司也不能正式和你开会。他们不被允许。他们甚至不回复你。那不是因为他们不想，而是因为他们不被允许。" ⚠️⚠️ "但如果你们在同一个地点，你们就会撞见对方。"

• ✅ 本页标注这条为什么值得长期保存：⚠️⚠️ 它把一个常被当成意愿问题的现象（中美双方不交流）明确区分成了许可问题，并指出剩下的那条通道是物理共处。本页认为这意味着线下会议在这件事上的功能不只是传播信息，而是充当了唯一一条不需要双方正式批准的接触通道。
• ⚠️⚠️ 而本页必须标出这条的自利性：提出者正是一家 AI 大会公司的创办者，而这条论证恰好论证了自家产品的价值（他自己把目的说成"为魔法的发生创造机会"）。✅ 本页仍采信那条事实性区分（不想 vs 不被允许），但不把"所以需要线下大会"当作中立结论。

⚠️ 二、一个非中非美的组织者给出的约束清单

（[00:28:20]–[00:29:22]、[00:04:05]、[00:26:19]）

• ⚠️⚠️ 他对自己为什么必须让本地团队完全拥有这件事的解释很具体："我是新加坡公民，而美国和中国之间显然有很多限制"；⚠️⚠️ "因为我连在中国设一个本地实体都做不到。有很多管制。我不想惹上麻烦，因为我的主营生意在美国。所以我不能和白宫惹上麻烦。"
• ✅ 于是形态是纯加盟："但如果你想共享这个品牌、把它当成你自己的事情来办，那就是个加盟……我是麦当劳，你是麦当劳中国。" ⚠️ 三条条件：不滥用品牌名（含收入分成）、全部公开发布、要有行为准则。
• ⚠️ 而他在开场里对归属做了一次明确更正，✅ 本页认为这处值得记，因为它与上面那条约束是同一件事：提问者说"你把 AIE 带到了上海"，他纠正——"我没有把 AIE 带到上海。是上海把 AIE 带到了上海。"
• ⚠️ 他对范围给了一句划界（[01:06:43]）："有很多人对这种跨文化交流有兴趣、而对政治没兴趣"——"我们不做政治，我们只做技术。"
• 🔗 ✅ 本页标注这一节补的是哪一层：⚠️⚠️ 本页既有材料的主体是模型权重与硬件的流动（Misha Laskin 的特洛伊木马论、Erik Bernhardsson 的"微调不再是必须"、George Kurtz 的客户行为因果链、以及出口管制那条线）。 ✅ 而这一条讲的是人与组织的流动，而它受到的限制远严于权重。本页认为这个不对称本身值得记：技术扩散与理解扩散的速度是分开的——而下一节那条渠道诊断正好解释了后者为什么更慢。

⚠️⚠️ 三、一条关于触达的渠道诊断，以及紧接着的一次自我推荐

（[01:05:43]）✅ 本页认为这是本期对中美信息不对称给出的最可操作的一条解释，因为它指向形式而不是内容。

• ⚠️ 他的总体观察："中国的能量、精神、创造力和韧性，是人们没有接触过的东西。"
• ⚠️⚠️ 而机制被他定在呈现形式上：

  ⚠️⚠️ "尤其是中国的活动——有针对直播的规定，但即便如此，它们被呈现的方式也和西方观众喜欢消费的方式不一样。所以它们没有同样的触达。"

• ⚠️⚠️ 而那个具体例子是阿里云："阿里云做了一场把整个阿里巴巴路线图连 Qwen 都讲了的发布。这儿没人看见。为什么？因为它夹在某个由别人来讲的企业演示中间。所以我得去把这一切替美国观众翻译一遍。"
• ⚠️⚠️ 而本页必须标出紧接着那句把流量导向自己："那就跟我一起做啊。就在（播客上）做，他们就会看见。"
• ✅ 本页的处理，而本页认为这个切分很重要：⚠️⚠️ 诊断（中国技术发布的呈现形式与西方消费习惯错配，于是触达受损，而这与内容质量无关）本页认为有独立价值并且可被检验——它预测的是同样内容换一种发布形式会有显著不同的触达；⚠️ 而那条建议是一次自我推荐，本页记录但不当作中立意见。

⚠️ 四、一组体感差异，以及一次他承认的预判失败

（[01:02:41]–[01:05:43]）

• ⚠️⚠️ 工具选择的差异（本页认为这是本期最具体的一条生态观察）："我认为旧金山有一个 B2B SaaS 的泡泡，但上海——你们用 ComfyUI。我们这儿不用。我们爱我们的 Canva，爱我们的 fal.ai。" ⚠️ 而 OpenClaw 是反方向的例子："OpenClaw 在这儿比 ComfyUI 有更多的牵引力。" ✅ 他对自己的二手性给了一句诚实的限定："我当然知道（它在中国很火）。但我自己没见过那种能量。"
• ⚠️⚠️ 社群规模口径："对你们来说，一个中等规模的社群是一百万人——这在这儿是巨大的。"（⚠️ 提问者当场修正：一百万在中国也已经是最顶的了。 ✅ 本页照录这处修正。）
• ⚠️ 996 的对照："人们说在旧金山他们 996。他们其实没有——周六周日他们还是在放松。但在中国他们是真的 996。" ✅ 而他对自己给了一个区分，本页认为这处比那句对比有用："我那么拼是因为我没有保障。但员工——法律上你不能要求人那样工作。那是违法的。"
• ✅ 一次他明确承认的预判失败（本页认为这是本期可信度最高的一条观察，因为它对自己不利）：2007 年他在北京交换时，BYD"还是那种'我们是中国的，我们会永远是中国的'"；⚠️⚠️ "BYD 正在拿下美国。这太疯狂了，而我绝不会想到 BYD 会来这儿。这难以置信。"

⚠️⚠️ 五、本页标为立场陈述、不采信的一条论断

（[01:04:43]）

• ⚠️⚠️ 原话：

  "他们是非常好的创业者……他们住错了国家。如果他们住在美国，他们会干掉亚马逊，会干掉 Facebook。他们之所以没有更富，唯一的原因就是他们住在中国。"

• ⚠️⚠️ 本页标注这条为什么必须被标为立场陈述而不是记成判断：
• ① 它把一个多因的结果（市场规模、资本市场深度、监管、竞争结构、汇率、退出渠道）压缩成单一归因"住在哪个国家"，而他没有给任何论据。
• ⚠️⚠️ ② 它与他自己在同一期里给的另一条判断直接冲突：他说这些创始人"在营销和理解海外市场上很烂"（[00:51:35]）——✅ 而那恰恰是一项与国籍无关、却足以解释收入差距的能力缺口。本页认为他给出了自己这条论断的反例而没有注意到。
• ③ 他在同一句里把"好创业者"与"更富"当成可互换的量，而这一等式本身就是被争论的那件事。
• ✅ 本页的处理：照录为一条明确的立场陈述，不作为本页中美创业生态对比的材料采信。 🔗 ⚠️ 本页记下这是近期第二条被本页如此处理的国别论断——另一条是 Tutor Intelligence 那句"中国得拆掉重建"。 ✅ 两条的结构相同：由一位有直接利益的美国侧说话人给出、单因归因、且在同一期里能找到自带的反例。本页认为这个重复出现的形状本身值得记。

⚠️ 六、一条对中国机器人公司的具体批评

（[00:57:36]–[00:58:36]）

• ⚠️⚠️ 他说中国的机器人创始人"都在做一样的事"："宇树是最好的，但宇树还是在做宇树的那些事"；⚠️⚠️ "我想看到他们做一些你从没预期宇树会做的事，但现在他们这周发的东西是在打功夫。"

  ⚠️⚠️ "但好吧，那个我见过了。给我看点我没见过的，那我才会真的注意。"

• ✅ 而落点是一条营销原则而不是技术判断："show don't tell——给我看这东西带来的好处，不要用项目符号告诉我它是什么，不要给我 PDF、幻灯片、PowerPoint。就给我看。"
• ✅ 本页标注这条的性质：⚠️ 这是一条关于传播而不是关于能力的批评——他没有主张宇树的技术落后，而是主张它的演示选择在西方受众那里已经边际收益递减。本页认为这与第三节那条渠道诊断是同一个论点的两次出现，而它们合起来构成本期对中国侧最一致的一条建议：瓶颈在呈现而不在能力。
• 🔗 ⚠️ 本页记下这条与本页既有的中国机器人材料的落差：本页此前的材料（钱程的"三板斧"、Lindon Gao 把中国供应链当第一天的战略决定）讲的都是产业能力与出海执行；✅ 而这一条是一位美国侧开发者营销从业者对演示策略的意见，层级不同、不构成对那些材料的反驳。

---

⚠️⚠️ 本页第一条公众态度维度的量化材料：中国 93% vs 美国 36%（Gallup，All-In 引用，2026-11-07）

来源：All-In / 数据中心审批冻结、超大规模厂商造王者、4 万亿单日蒸发

✅ 本页标注这条为什么该被单独保存：⚠️⚠️ 本页此前的中美对照材料几乎全在能力、供应链、出口管制与开源生态侧，没有一条是公众态度侧的。这一条给出了第一个数量级。

（[00:15:15]–[00:16:17]）Friedberg 引的 Gallup 跨国调查，本库记为节目引用、未核实原始报告：

"一份令人难以置信的 Gallup 研究，显示世界各国的 AI 乐观与悲观程度。对 AI 最乐观的国家是中国。93% 的中国公民认为 AI 主要会帮助这个国家的人。而 93% 的人认为 AI 会让他们的日常生活更好。" ⚠️⚠️ "美国是倒数第四。我们比阿富汗还差，只比马拉维和孟加拉稍好一点。我们在那个名单上排第四（从后数），有 36% 的美国人这么认为。"

• ⚠️⚠️ 本页保留他自己给的折扣项，并把它当成这条材料可信度的主要限制："而我们可以相信、也可以不相信 Gallup 在中国是怎么做调查的。" ⚠️ 本页另记：93% 这个值在两个不同问题上完全相同，这本身是一个该警惕的特征；而本库未见原始问卷与抽样方法。
• ⚠️ 他把这条接到了一个政治机制上，本页记为他的解释而非事实："所以我觉得除了打底的那层情绪（如果我没在前进，那就是别人在前进，而因为我们这个国家造 AI，所以是那些 AI 的人在前进）之外，这让用寡头叙事去攻击变得非常容易。"
• ✅ 本页标注这条与既有材料的接口，但只记为印象的对应、不记为因果：⚠️⚠️ 本库记录的中国侧 KOL（张小珺频道、月球大叔频道各期）普遍把 AI 讲成民生与产业改善，而美国侧 KOL 的讨论要先回应就业、不平等与数据中心的社区成本——这与上面的方向一致。 ⚠️ 但本库明确记下：态度分布与 KOL 话语的选择之间谁因谁果不可从本材料判断，而两者都可能由同一个第三变量（谁是资产持有者）驱动——而这恰好是本期 Chamath 给的那条解释。
• 🔗 本页既有的相邻材料：数据中心反对的分配解释、swyx 的 AIE 上海那期。

⚠️ 同期的一条相关预测：美国会不会成为"token 净进口国"

（[01:00:53]–[01:01:54]、[01:29:11]）⚠️⚠️ Jason 在同一段自述持有并在增持 SpaceX 与 Tesla，本页记为带持仓的判断。

• 链条：如果州长们收紧许可，数据中心会去加拿大、墨西哥、新加坡、马来西亚（中东"战争结束就会在"） → "那么做下一个大模型这件工作就不会发生在美国土地上。它可能发生在沙特、阿联酋、卡塔尔、马来西亚、新加坡。我们会成为 token 的净进口国。"
• ✅ Sacks 同意方向并接到中国竞争上："如果美国不建这些数据中心，它们会在其它国家被建起来，而我们会付钱进口 token"，"而且说实话，如果我们不做，中国会做，他们会是受益的那一方。"
• ⚠️⚠️ 而本页记下这条在本期内部有一处无人处理的冲突：它与 Friedberg 同期的"政府会把数据中心当公用事业管、控制谁拿到算力"在同一个事实上相反——如果外迁接近零成本，管制越紧外迁越快。 🔗 详见 AI 算力与基础设施 对这一条的处理。